chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

TinyMaix - 面向單片機的超輕量級的神經(jīng)網(wǎng)絡推理庫

痞子衡嵌入式 ? 來源:痞子衡嵌入式 ? 作者:痞子衡嵌入式 ? 2022-11-24 09:41 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

項目類

1、TinyMaix - 面向單片機的超輕量級的神經(jīng)網(wǎng)絡推理庫

TinyMaix 是專為低資源的單片機設計的 AI 神經(jīng)網(wǎng)絡推理框架,通常被稱為 TinyML。TinyMaix 可以讓你在任意單片機上運行輕量級深度學習模型。TinyMaix 的設計原則:易用性 > 移植性 > 速度 > 空間。

TinyMaix 其實是矽速科技Sipeed)利用兩個周末的業(yè)余時間完成的項目,它足夠簡單,可以在 30 分鐘內(nèi)讀完代碼,可以幫助新手理解它是怎么運行的。

  • 項目地址:https://github.com/sipeed/TinyMaix

TinyMaix 關鍵特性:

- 核心代碼少于400行(tm_layers.c+tm_model.c+arch_cpu.h), 代碼段(.text)少于3KB
- 低內(nèi)存消耗,甚至Arduino ATmega328 (32KB Flash, 2KB Ram) 都能基于TinyMaix跑mnist(手寫數(shù)字識別)
- 支持INT8/FP32/FP16模型,實驗性地支持FP8模型,支持keras h5或tflite模型轉換
- 支持多種芯片架構的專用指令優(yōu)化: ARM SIMD/NEON/MVEI,RV32P, RV64V
- 友好的用戶接口,只需要load/run模型~
- 支持全靜態(tài)的內(nèi)存配置(無需malloc)
- MaixHub 在線模型訓練支持

2、ZS1100A - 專用于物聯(lián)網(wǎng)功耗測量的開源功率計

大多數(shù)用于創(chuàng)建物聯(lián)網(wǎng)(IoT)的設備都是用小電池工作的。由于當前消費電子的動態(tài)性,測量這些物聯(lián)網(wǎng)設備的能耗是一項艱巨的任務。開發(fā)人員經(jīng)常需要使用多種儀器和手工計算來估計能源消耗。ZS1100A 型電能表就是為解決這些問題的。該工具可以非常準確和詳細地繪制電流消耗與時間的關系,可以與電池模型一起使用,以估計電池的總體壽命。

  • 項目主頁:https://www.crowdsupply.com/zscircuits/zs1100a-power-meter
  • 項目地址:https://github.com/zscircuits/zs1100a
eb8a90aa-6b94-11ed-8abf-dac502259ad0.png

3、dynamic_loader - 單片機上實現(xiàn)動態(tài)加載功能的函數(shù)庫

dynamic_loader 是一個在單片機(如:STM32)上實現(xiàn)動態(tài)加載功能的函數(shù)庫,與 Windows 中的 dll,Linux 中的 so 類似,可以將代碼動態(tài)地從其他的存儲介質(zhì),動態(tài)加載到 RAM 中。

程序使用 dl_load_lib 加載相應的庫文件到句柄中,加載成功后可使用 dl_get_func,通過函數(shù)名獲得相應函數(shù)指針,在不需要使用時可使用 dl_destroy_lib 對句柄進行釋放。

  • 項目地址:https://gitee.com/wzh1845462801/dynamic_loader
  • 詳細介紹:https://www.armbbs.cn/forum.php?mod=viewthread&tid=109952

4、little-bee-B1 - 開源實用的高性能電流和磁場探頭

little-bee-B1 是一種基于各向異性磁電阻(AMR)磁傳感器的開源磁場和電流探頭。它直接感知磁場,并通過電流傳感附件測量電流,該附件由放置在導線周圍的有間隙的鐵氧體環(huán)形體組成,在導線中的電流和傳感器所受的磁場之間建立固定的關系。

  • 項目地址:https://github.com/westonb/little-bee-B1

特性如下:

- 可調(diào)帶寬(10mhz和1mhz)
- 可調(diào)增益(1倍和4倍)
- SMA輸出連接器
- 連接到任何標準1 MΩ阻抗示波器輸入
- 單節(jié)AA電池供電(續(xù)航4小時)
- 自動歸零

5、White Rabbit - 亞納秒級同步精度的網(wǎng)絡數(shù)據(jù)傳輸項目

White Rabbit 為大型分布式系統(tǒng)提供亞納秒級同步精度,它還允許確定性和可靠的數(shù)據(jù)傳輸。White Rabbit 允許您對測量數(shù)據(jù)進行精確的時間標記,并允許您在大型安裝中觸發(fā)數(shù)據(jù),同時使用相同的網(wǎng)絡傳輸數(shù)據(jù)。

  • 項目地址:https://ohwr.org/project/white-rabbit/wikis/home

White Rabbit 特點:

- 亞納秒級同步
- 支持連接數(shù)千個節(jié)點
- 節(jié)點之間的典型距離為 10 km
- 基于千兆以太網(wǎng)的的可靠數(shù)據(jù)傳輸
- 硬件、固件和軟件全開源
ebbf95e8-6b94-11ed-8abf-dac502259ad0.png


審核編輯 :李倩


聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 單片機
    +關注

    關注

    6067

    文章

    44992

    瀏覽量

    650491
  • 神經(jīng)網(wǎng)絡

    關注

    42

    文章

    4814

    瀏覽量

    103618
  • 深度學習
    +關注

    關注

    73

    文章

    5561

    瀏覽量

    122794

原文標題:痞子衡嵌入式半月刊:第 67 期

文章出處:【微信號:pzh_mcu,微信公眾號:痞子衡嵌入式】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    BP神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡的比較

    BP神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡在多個方面存在顯著差異,以下是對兩者的比較: 一、結構特點 BP神經(jīng)網(wǎng)絡 : BP神經(jīng)網(wǎng)絡是一種多層的前饋神經(jīng)網(wǎng)絡
    的頭像 發(fā)表于 02-12 15:53 ?668次閱讀

    BP神經(jīng)網(wǎng)絡的優(yōu)缺點分析

    BP神經(jīng)網(wǎng)絡(Back Propagation Neural Network)作為一種常用的機器學習模型,具有顯著的優(yōu)點,同時也存在一些不容忽視的缺點。以下是對BP神經(jīng)網(wǎng)絡優(yōu)缺點的分析: 優(yōu)點
    的頭像 發(fā)表于 02-12 15:36 ?921次閱讀

    什么是BP神經(jīng)網(wǎng)絡的反向傳播算法

    BP神經(jīng)網(wǎng)絡的反向傳播算法(Backpropagation Algorithm)是一種用于訓練神經(jīng)網(wǎng)絡的有效方法。以下是關于BP神經(jīng)網(wǎng)絡的反向傳播算法的介紹: 一、基本概念 反向傳播算法是BP
    的頭像 發(fā)表于 02-12 15:18 ?768次閱讀

    BP神經(jīng)網(wǎng)絡與深度學習的關系

    BP神經(jīng)網(wǎng)絡與深度學習之間存在著密切的關系,以下是對它們之間關系的介紹: 一、BP神經(jīng)網(wǎng)絡的基本概念 BP神經(jīng)網(wǎng)絡,即反向傳播神經(jīng)網(wǎng)絡(Backpropagation Neural N
    的頭像 發(fā)表于 02-12 15:15 ?861次閱讀

    深度學習入門:簡單神經(jīng)網(wǎng)絡的構建與實現(xiàn)

    神經(jīng)網(wǎng)絡。 首先,導入必要的: 收起 python ? import numpy as np ? 定義激活函數(shù) Sigmoid: 收起 python ? def sigmoid(x): return 1
    的頭像 發(fā)表于 01-23 13:52 ?530次閱讀

    人工神經(jīng)網(wǎng)絡的原理和多種神經(jīng)網(wǎng)絡架構方法

    在上一篇文章中,我們介紹了傳統(tǒng)機器學習的基礎知識和多種算法。在本文中,我們會介紹人工神經(jīng)網(wǎng)絡的原理和多種神經(jīng)網(wǎng)絡架構方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡 ? 人工神經(jīng)網(wǎng)絡模型之所
    的頭像 發(fā)表于 01-09 10:24 ?1190次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡</b>架構方法

    卷積神經(jīng)網(wǎng)絡與傳統(tǒng)神經(jīng)網(wǎng)絡的比較

    在深度學習領域,神經(jīng)網(wǎng)絡模型被廣泛應用于各種任務,如圖像識別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡是兩種常見的模型。 1. 結構差異 1.1 傳統(tǒng)神經(jīng)網(wǎng)絡
    的頭像 發(fā)表于 11-15 14:53 ?1871次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡的區(qū)別

    神經(jīng)網(wǎng)絡是機器學習領域中的一種強大工具,它們能夠模擬人腦處理信息的方式。隨著技術的發(fā)展,神經(jīng)網(wǎng)絡的類型也在不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(RNN)和傳統(tǒng)神經(jīng)網(wǎng)絡(如前饋
    的頭像 發(fā)表于 11-15 09:42 ?1127次閱讀

    LSTM神經(jīng)網(wǎng)絡的結構與工作機制

    LSTM(Long Short-Term Memory,長短期記憶)神經(jīng)網(wǎng)絡是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(RNN),設計用于解決長期依賴問題,特別是在處理時間序列數(shù)據(jù)時表現(xiàn)出色。以下是LSTM神經(jīng)網(wǎng)絡
    的頭像 發(fā)表于 11-13 10:05 ?1631次閱讀

    Moku人工神經(jīng)網(wǎng)絡101

    Moku3.3版更新在Moku:Pro平臺新增了全新的儀器功能【神經(jīng)網(wǎng)絡】,使用戶能夠在Moku設備上部署實時機器學習算法,進行快速、靈活的信號分析、去噪、傳感器調(diào)節(jié)校準、閉環(huán)反饋等應用。如果您
    的頭像 發(fā)表于 11-01 08:06 ?666次閱讀
    Moku人工<b class='flag-5'>神經(jīng)網(wǎng)絡</b>101

    【飛凌嵌入式OK3576-C開發(fā)板體驗】RKNN神經(jīng)網(wǎng)絡-車牌識別

    LPRNet基于深層神經(jīng)網(wǎng)絡設計,通過輕量級的卷積神經(jīng)網(wǎng)絡實現(xiàn)車牌識別。它采用端到端的訓練方式,不依賴字符分割,能夠直接處理整張車牌圖像,并輸出最終的字符序列。這種設計提高了識別的實時性和準確性
    發(fā)表于 10-10 16:40

    matlab 神經(jīng)網(wǎng)絡 數(shù)學建模數(shù)值分析

    matlab神經(jīng)網(wǎng)絡 數(shù)學建模數(shù)值分析 精通的可以討論下
    發(fā)表于 09-18 15:14

    國產(chǎn)芯上運行TinyMaxi輕量級神經(jīng)網(wǎng)絡推理-米爾基于芯馳D9國產(chǎn)商顯板

    面向單片機超輕量級神經(jīng)網(wǎng)絡推理,即 TinyML
    發(fā)表于 08-09 18:26

    國產(chǎn)芯上運行TinyMaxi輕量級神經(jīng)網(wǎng)絡推理-米爾基于芯馳D9國產(chǎn)商顯板

    D9360國產(chǎn)開發(fā)板)的TinyMaxi輕量級神經(jīng)網(wǎng)絡推理方案測試。 算力測試 TinyMaix
    發(fā)表于 08-07 18:06

    FPGA在深度神經(jīng)網(wǎng)絡中的應用

    、低功耗等特點,逐漸成為深度神經(jīng)網(wǎng)絡在邊緣計算和設備端推理的重要硬件平臺。本文將詳細探討FPGA在深度神經(jīng)網(wǎng)絡中的應用,包括其優(yōu)勢、設計流程、關鍵技術以及實際應用案例。
    的頭像 發(fā)表于 07-24 10:42 ?1206次閱讀