MAX78000本質(zhì)上是一個ARM Cortex-M4F微控制器，周邊有很多硬件，其中包括Maxim設(shè)計的神經(jīng)網(wǎng)絡(luò)（CNN）加速器（圖1）。這種機器學(xué)習(xí)（ML）支持使芯片能夠?qū)崟r處理諸如識別關(guān)鍵字甚至人臉識別等，而不會浪費功率預(yù)算。

1.MAX78000包括Cortex-M4F和RISC-V內(nèi)核以及CNN加速器。

該芯片還包括一個引人注意的是RISC-V內(nèi)核，但是，由于其太新了，因此Cortex-M4F是主要處理器。甚至CNN的支持都還處于beta階段之外，但這些都是本文的重點。

MAX78000具有通常的微控制器外設(shè)功能，包括一系列串行端口，定時器和并行/串行接口，例如I2S。它甚至具有并行攝像頭接口，在模擬外設(shè)中有一個8通道10位sigma-delta ADC，也包括四個比較器。

該芯片具有512kB的閃存以及128kB的SRAM和引導(dǎo)ROM，該引導(dǎo)ROM允許更復(fù)雜的引導(dǎo)過程，例如安全引導(dǎo)支持。有片上密鑰存儲以及CRC和AES硬件支持，未來將獲得CNN支持?；贕ithub的文檔可一覽無余。

開發(fā)工具是基于Eclipse的免費開發(fā)工具，而Eclipse是其他平臺（例如德州儀器的Code Composer Studio和Silicon Labs的Simplicity Studio）的基礎(chǔ)。 Maxim并沒有做太多的定制工作，但是有足夠的便利來使用諸如MAX78000之類的硬件，同時使第三方插件和工具的使用變得容易，這在處理云或物聯(lián)網(wǎng)開發(fā)環(huán)境時非常方便。默認(rèn)安裝包括示例和教程，可輕松測試CNN硬件和其他外圍設(shè)備。

MAX78000開發(fā)板具有兩個LCD顯示器。較大的3.5英寸TFT觸摸顯示屏適用于處理器，而第二個較小的顯示屏則提供電源管理信息。該芯片沒有內(nèi)置顯示控制器，使用串行接口與較大的顯示器配合使用。功率跟蹤支持非常完善。

開發(fā)板帶有一個16 MB的QSPI閃存芯片，可以方便地存儲圖像數(shù)據(jù)。此外，閃存芯片的USB橋接器允許更快，更輕松地下載數(shù)據(jù)。

該開發(fā)板還添加了一些有用的設(shè)備，例如數(shù)字麥克風(fēng)，3D加速度計和3D陀螺儀。幾個按鈕和LED完善了外圍設(shè)備，支持JTAG。

如前所述，這次沒有使用RISC-V內(nèi)核，而是采用為Cortex-M4F生成C代碼以設(shè)置CNN硬件。 CNN硬件旨在處理單個模型，但是可以快速更換新模型。

與大多數(shù)機器學(xué)習(xí)硬件一樣，大多數(shù)程序員都傾向于隱藏底層硬件，從而提供了更多的黑盒操作，您可以在其中設(shè)置盒子并將其數(shù)據(jù)饋入另一端。如果可用模型，這將很好地工作；這是用不同的信息或使用經(jīng)過訓(xùn)練的模型來訓(xùn)練。開發(fā)和訓(xùn)練新模型時面臨挑戰(zhàn)，這是我在此將避免討論的問題。

我確實嘗試了Maxim提供的兩種模型，包括關(guān)鍵字搜索和面部識別（FaceID）應(yīng)用程序。 Keyword Spotting應(yīng)用程序本質(zhì)上是語音識別系統(tǒng)，可用于偵聽關(guān)鍵字以啟動基于云的服務(wù)，這是大多數(shù)基于Alexa的語音系統(tǒng)的工作方式，因為云在識別關(guān)鍵字后會處理所有內(nèi)容。

另一方面，能夠識別許多不同的關(guān)鍵字使構(gòu)建基于語音的命令系統(tǒng)成為可能，例如許多汽車導(dǎo)航系統(tǒng)中使用的命令系統(tǒng)。Cortex-M4F會處理輸入，并進行一些調(diào)整以向CNN加速器提供合適的輸入（圖2）。檢測到的類輸出指定識別哪個關(guān)鍵字（如果有）。然后，應(yīng)用程序可以利用此信息。

2.在將信息移交給CNN加速器之前，Cortex-M4F會處理初始音頻輸入流。

FaceID系統(tǒng)突出顯示了MAX78000的攝像機支持（圖3）。這可用于識別人臉或識別在裝配線上移動的特定零件。樣品應(yīng)用程序可以使用固定輸入（如圖所示）或從攝像機進行操作。

3.FaceID應(yīng)用程序強調(diào)了CNN實時處理圖像的能力。

使用默認(rèn)值會變得很容易。Maxim提供所有示例代碼和過程。這些可以稍作修改，但是重新訓(xùn)練模型是一項涉及更多的工作，盡管Maxim的文檔確實涵蓋了這一工作。這些示例概述了需要做什么以及需要更改哪些內(nèi)容以定制解決方案。

將模型和應(yīng)用程序更改為電動機振動監(jiān)控系統(tǒng)之類的工作將是一項艱巨的工作，需要一種新的模型，但是該芯片很可能能夠處理。它將需要更多的機器學(xué)習(xí)和CNN支持。

該工具集支持TensorFlow和PyTorch等平臺的模型（圖4）。這很有用，因為訓(xùn)練不是由芯片處理的，而是在PC或云服務(wù)器等平臺上進行的。同樣，可以對模型進行完善和在高端硬件上進行測試以驗證模型，然后可以對其進行修剪以適合MAX78000。

4.PyTorch只是MAX78000處理的框架之一。訓(xùn)練不是在微型計算機上進行的。 Maxim的工具將模型轉(zhuǎn)換為驅(qū)動CNN硬件的代碼。

此時，CNN加速器文檔以及RISC-V支持都很少。Maxim的CNN模型編譯器可將C代碼導(dǎo)入到Eclipse IDE中。調(diào)試常規(guī)應(yīng)用程序代碼與通過JTAG進行遠程調(diào)試。

Maxim還提供MAX78000FTHR，它是簡化評估板（圖5），它沒有顯示器或其他外圍硬件，但大多數(shù)I / O是裸露的。單是開發(fā)板僅有25美元。批量購買時，該芯片的單價約為15美元。

5.簡化評估板MAX78000FTHR

MAX78000的使用非常有趣。這是一個支持邊緣ML應(yīng)用程序的絕佳平臺。但是，請注意，盡管這是一種非常低功耗的解決方案，但它與低端Nvidia Jetson Nano都不一樣。檢驗電源跟蹤支持很有趣，因為低功耗可能是許多MAX78000應(yīng)用中的關(guān)鍵因素，尤其是基于電池的解決方案。
編輯：hfy