машинное обучение – Страница 11 – CNXSoft- новости Android-приставок и встраиваемых систем

11/12/202113/12/2021

64-битное ядро RISC-V StarFive Dubhe можно будет встретить в 12-нм процессорах с тактовой частотой 2 ГГц

На днях компания StarFive анонсировала поставку клиентам 64-битного ядра RISC-V Dubhe на основе RV64GC ISA плюс битовые манипуляции, прерывания на уровне пользователя, а также новейшие инструкции Vector 1.0 (V) и Hypervisor (H).

05/12/202103/12/2021

Seeed XIAO BLE – крошечная плата nRF52840 Bluetooth 5.0 с (опционально) датчиком IMU и микрофоном

Компания Seeed Studio только что представила двух новых членов своего семейства плат XIAO, а именно Seeed XIAO BLE и XIAO BLE Sense, который оснащены микроконтроллером Nordic Semi nRF52840 Bluetooth 5.0, а также датчиком IMU и микрофоном в модели “Sense”.

Как и их предыдущая плата XIAO RP2040, крошечная плата Seed XIAO BLE может быть запрограммирована с помощью Arduino, MicroPython и CircuityPython и предлагает два 7-контактных разъема каждая для GPIO. Что действительно нового, так это беспроводная связь, датчики и схема зарядки аккумулятора Читать далее «Seeed XIAO BLE – крошечная плата nRF52840 Bluetooth 5.0 с (опционально) датчиком IMU и микрофоном»

10/11/202110/11/2021

Процессор NXP i.MX 93 сочетает в себе ядра Cortex-A55 с Ethos U65 microNPU

NXP представила семейство процессоров i.MX 93, состоящее из частей i.MX 935x, 933x, 932x и 931x, в настоящее время с двумя ядрами Cortex-A55, одним ядром реального времени Arm Cortex-M33, а также одним Ethos U65 microNPU для машинного обучения (ML).

20/10/202122/10/2021

Виртуальное оборудование Arm на базе Cortex-M55 теперь доступно в облаке AWS

19-21 октября состоится саммит Arm DevSummit 2021, и первые объявления Arm связаны с IoT: «Arm Total Solutions for IoT предоставляет комплексное решение для значительного ускорения разработки продуктов IoT и повышения рентабельности инвестиций», «Project Centauri», направленный на достижение обширной программной экосистемы Arm Cortex-M так же, как Project Cassini для экосистемы Cortex-A, начиная с поддержки PSA Certified и Open-CMSIS-CDI спецификации облака на устройство, а также Arm Virtual – аппаратное обеспечение на базе платформы Corstone-300 IoT с ядром MCU Cortex-M55 и Ethos-U55 microNPU, доступным из веб-сервисов Amazon.

04/10/202104/10/2021

Комплект разработчика Raspberry Pi на базе DSP с микрофонным массивом и поддержкой искусственного интеллекта

«Комплект разработчика Knowles AISonic IA8201 Raspberry Pi» основан на цифровом сигнальном процессоре IA8201 с функцией «пробуждение по голосу» для голосового пользовательского интерфейса с малой задержкой и логического вывода машинного обучения. В комплекте предлагается плата микрофонных массивов с 2 или 3 микрофонами, на выбор.

07/07/202108/07/2021

AIfES для Arduino – высокоэффективный ИИ-фреймворк для микроконтроллеров.

AIfES (AI для встраиваемых систем) – это автономный высокоэффективный ИИ-фреймворк, который позволяет Институту микроэлектронных схем и систем Фраунгофера или сокращенно Fraunhofer IMS обучать и запускать алгоритмы машинного обучения на микроконтроллерах с ограниченными ресурсами.

24/06/202124/06/2021

Тестирование TinyML с помощью теста MLPerf Tiny Inference

По мере того, как машинное обучение переходит на микроконтроллеры, так называемый TinyML, необходимы новые инструменты для сравнения различных решений. Ранее мы публиковали несколько тестов Tensorflow Lite для микроконтроллеров (для одноплатных компьютеров), но инструмент тестирования, специально разработанный для вывода искусственного интеллекта на встраиваемые системы с ограниченными ресурсами, может оказаться полезным для получения согласованных результатов и охватывать более широкий спектр вариантов использования.

18/06/202121/06/2021

Picovoice – оффлайн механизм для создания настраиваемых голосовых продуктов с искусственным интеллектом теперь работает на Arduino

В прошлом году мы писали о поддержке Picovoice для Raspberry Pi, позволяющей настраивать слова пробуждения и распознавание голоса в автономном режиме для управления платой с помощью голосовых команд, не полагаясь на облако.

Они использовали 4-микрофонный массив ReSpeaker HAT, чтобы добавить четыре «ушка» к Raspberry Pi SBC. Мы также попытались сгенерировать пользовательское слово пробуждение с помощью веб-интерфейса «Picovoice Console», и на компьютере всего за пару часов нам удалось использовать словосочетание «Уважаемый мастер». Нет необходимости предоставлять тысячи образцов или ждать недели, прежде чем получить настраиваемое пробуждающее слово. Для личных проектов это бесплатно.