Nuovi strumenti NXP per il Machine Learning nei nodi Edge


NXP_ML-640x457 Nuovi strumenti NXP per il Machine Learning nei nodi Edge

I meccanismi che stanno guidando la crescita dell’apprendimento automatico (ML) in ambito cloud sono ora alla portata degli sviluppatori di nodi edge grazie al NXP’s eIQ Artificial Intelligence Development Environment e alle soluzioni personalizzate per applicazioni mirate.

L’ambiente di sviluppo software eIQ include gli strumenti necessari per realizzare e ottimizzate i modelli ML da eseguire in dispositivi periferici dalle risorse limitate per una vasta gamma di applicazioni industriali, Internet-of-Things (IoT) e automotive. Le soluzioni chiavi in ​​mano, pronte per la produzione, sono specificamente mirate per applicazioni di rilevamento vocale, visione e riconoscimento di anomalie. Questa soluzione consente a decine di migliaia di clienti di NXP di diventare esperti di ML con investimenti minimi, dotando facilmente i propri prodotti di capacità di apprendimento automatico.

Da tempo abbiamo constatato come l’elaborazione sul nodo edge è davvero il driver per l’adozione da parte dei clienti di tecniche di machine learning; per questo abbiamo creato soluzioni ML scalabili e strumenti eIQ, rendendo il trasferimento di funzionalità di intelligenza artificiale dal cloud alla periferia ancora più accessibile e facile da implementare”, ha affermato Geoff Lees, senior vice president and general manager of microcontrollers.

eIQ fornisce supporto a tutta la linea di microcontrollori (MCU) e processori di applicazioni NXP, fornendo gli elementi necessari agli sviluppatori per implementare ML nei dispositivi edge.

Analogamente al panorama in evoluzione della ML, eIQ è in continua espansione per includere strumenti per l’acquisizione e la gestione dei dati: conversione dei modelli per una vasta gamma di framework neurali (NN) e motori di inferenza, come TensorFlow Lite, Caffe2, CNTK e Arm NN; supporto per compilatori NN emergenti come GLOW e XLA; algoritmi ML classici (ad esempio le  macchine a vettori di supporto, support vector machine e random forest); strumenti per distribuire i modelli per l’elaborazione eterogenea su processori embedded NXP.

NXP ha anche introdotto recentemente un’infrastruttura software denominata EdgeScale per unificare il modo in cui i dati vengono raccolti, gestiti e elaborati sul nodo edge, con particolare attenzione all’abilitazione delle applicazioni ML. EdgeScale consente l’integrazione senza soluzione di continuità con servizi di intelligenza artificiale (AI) / ML basati su cloud nonché l’implementazione di modelli e motori di inferenza basati su cloud su tutti i dispositivi NXP, dalle MCU a basso costo ai processori di applicazioni i.MX e Layerscape ad elevate prestazioni.

Basandosi sull’ambiente eIQ, l’azienda ha introdotto soluzioni chiavi in ​​mano per l’apprendimento edge-based con l’esecuzione locale di modelli di visione, voce e rilevamento anomalie. Queste soluzioni a livello di sistema forniscono l’hardware e il software necessari per la creazione di applicazioni pienamente funzionali, consentendo ai clienti di aggiungere proprie personalizzazioni. Si tratta di soluzioni sono modulari che consentono ai clienti di espandere le funzionalità dei loro prodotti con un semplice plug-in. Ad esempio, un modulo di riconoscimento vocale può essere facilmente aggiunto a un prodotto dotato di riconoscimento visivo di NXP.

www.nxp.com

 

 

Arsenio Spadoni

Journalist, ElettronicaIn Publisher & Founder, Futura Elettronica Founder,

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.