各個領(lǐng)域都需要創(chuàng)新，都需要發(fā)展，同時隨著產(chǎn)品越來越復(fù)雜，具有了更強(qiáng)大的處理能力和更高的速度，使得機(jī)器學(xué)習(xí)（ML）技術(shù)逐漸擴(kuò)展到邊緣應(yīng)用。借助eIQ軟件，現(xiàn)在可以非常輕松地將新的ML模型引入邊緣設(shè)備。

機(jī)器學(xué)習(xí)（ML）是一個有助于簡化現(xiàn)代生活的復(fù)雜過程。它使產(chǎn)品和設(shè)備能夠快速準(zhǔn)確地預(yù)測、學(xué)習(xí)和執(zhí)行復(fù)雜的任務(wù)。兩個大家熟悉的使用案例：

Amazon Alexa，使用語音識別技術(shù)來控制智能家居;

自動駕駛車輛，通過目標(biāo)檢測技術(shù)提升駕駛員的安全。

隨著產(chǎn)品越來越復(fù)雜，具有了更強(qiáng)大的處理能力和更高的速度，使得ML技術(shù)逐漸擴(kuò)展到邊緣應(yīng)用。借助eIQ軟件，現(xiàn)在可以非常輕松地將新的ML模型引入邊緣設(shè)備。

六月初，在恩智浦Connects大會上發(fā)布了部分EdgeVerse?產(chǎn)品組合，其中eIQ ML軟件開發(fā)環(huán)境采用行業(yè)領(lǐng)先技術(shù)，能夠?qū)⒒贛L的應(yīng)用部署到嵌入式設(shè)備中。該軟件設(shè)計(jì)用于我們的微處理器和微控制器產(chǎn)品線，它為工程師提供了一個框架，可以在其中轉(zhuǎn)換ML模型，從而在邊緣設(shè)備上實(shí)現(xiàn)快速部署。

這一過程涉及優(yōu)化模型，以及與系統(tǒng)的“學(xué)習(xí)中樞”，即神經(jīng)網(wǎng)絡(luò)（NN）推理引擎匹配。借助eIQ開發(fā)工具，可以非常輕松地完成這項(xiàng)任務(wù)，同時還提供將ML模型與底層計(jì)算引擎連接所需的各層。實(shí)質(zhì)上，它橋接了所有必需的工具，可以讓新的ML模型投入量產(chǎn)，并集成在復(fù)雜的應(yīng)用中，例如能夠執(zhí)行攝像頭或視頻輸入、安全以及無線通訊（恩智浦支持所有這些功能）等功能。初始版本支持i.MX RT跨界處理器和i.MX 8應(yīng)用處理器。

更輕松的開發(fā)流程

推理引擎和庫是ML的構(gòu)建模塊和訓(xùn)練基礎(chǔ)，工程師可以運(yùn)用這些技術(shù)資源形成新的見解以及探索新的可能性。

隨著ML技術(shù)的不斷進(jìn)步，開源引擎和庫迅速激增。除了eIQ軟件開發(fā)環(huán)境中的各種其他工具，我們還提供基于流行的開源框架（例如，Arm NN、TensorFlow Lite和OpenCV）的神經(jīng)網(wǎng)絡(luò)驅(qū)動引擎。這讓工程師擁有更大的自由度和更多選擇來探索和開發(fā)ML模型。

更廣泛的邊緣智能應(yīng)用

eIQ軟件開發(fā)環(huán)境的推出，意味著機(jī)器學(xué)習(xí)創(chuàng)新不再受設(shè)備資源限制。工程師可以使用基于云的工具或本地服務(wù)器工具，構(gòu)建自己的訓(xùn)練模型，然后將模型引入elQ環(huán)境，以生成適用的推理引擎。然后將推理引擎加載到邊緣設(shè)備上運(yùn)行。

這是機(jī)器學(xué)習(xí)技術(shù)的重大進(jìn)步，并將進(jìn)一步促進(jìn)該領(lǐng)域的各種創(chuàng)新可能性。

來源：中國電子網(wǎng)