Беспроводные микроконтроллеры Silicon Labs BG24 и MG24 с частотой 2,4 ГГц в четыре раза повышают производительность искусственного интеллекта при меньшем энергопотреблении

Машинное обучение проникает повсюду, в том числе в беспроводные микроконтроллеры 2,4 ГГц с ядром Cortex-M33 — SIlicon Labds BG24 Bluetooth и MG64, которые повышают производительность AI/ML в 4 раза, используя 1/6 энергии благодаря встроенному ускорителю искусственного интеллекта.

Это делает новые микроконтроллеры подходящими для периферийных устройств с поддержкой искусственного интеллекта с батарейным питанием с поддержкой Matter (скоро), а также с защитой PSA Level 3 Secure Vault. Компания Silicon Labs ожидает, что чипы будут использоваться в различных сферах, таких как умный дом, медицина и промышленность.

Читать далее «Беспроводные микроконтроллеры Silicon Labs BG24 и MG24 с частотой 2,4 ГГц в четыре раза повышают производительность искусственного интеллекта при меньшем энергопотреблении»

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).

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

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»

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).

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

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.

Читать далее «Виртуальное оборудование Arm на базе Cortex-M55 теперь доступно в облаке AWS»

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.

Читать далее «Комплект разработчика Raspberry Pi на базе DSP с микрофонным массивом и поддержкой искусственного интеллекта»

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.

Читать далее «AIfES для Arduino — высокоэффективный ИИ-фреймворк для микроконтроллеров.»

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.

Читать далее «Тестирование TinyML с помощью теста MLPerf Tiny Inference»