首页|嵌入式系统|显示技术|模拟IC/电源|元件与制造|其他IC/制程|消费类电子|无线/通信|汽车电子|工业控制|医疗电子|测试测量
首页 > 分享下载 > 工业控制 > 使用 ModusToolbox™ 机器学习为 IoT 设备解锁 AI

使用 ModusToolbox™ 机器学习为 IoT 设备解锁 AI

资料介绍
今天的物联网硬件/软件开发人员面临着在构建未来设备时的一系列复杂设计。从复杂的集成无线连接——到优化电池供电设计中的系统功率——再到集成传感器融合:让物联网工作对任何团队来说都是一项艰巨的任务。作为连接现实世界和数字世界的领导者,英飞凌非常了解这些设计挑战,我们最近解决的一项挑战就是在边缘设备上释放机器学习 (ML) 的潜力。

现在将 ML 工作量移至边缘的理由比以往任何时候都更加强烈,因为有用户非常关心的隐私、流量带宽、成本和工作延迟等真实问题。然而,就算 ML 数据已经训练并创建模型,还会有另外的挑战。弥合用于创建模型的工具与验证和优化嵌入式微控制器设备的过程之间的差距是极其复杂的,并导致上市时间缓慢。正因如此,英飞凌推出了 ModusToolbox™ 机器学习工具,使英飞凌PSoC微控制器具有深度学习的功能。ModusToolbox™ ML 是一项基于ModusToolbox软件的全新功能,旨在与 BSP、连接堆栈、中间件和有直观的配置器的 ModusToolbox™ 软件生态系统无缝协作并且可以方便的集成到AIoT系统中,降低应用开发的复杂程度,以便开发人员可以专注于他们的应用程序差异化并加快进入市场。

加入此网络研讨会,了解 ModusToolbox™ ML 如何实现: - 从流行的训练框架(如 TensorFlow™)导入模型 - 优化嵌入式平台的模型以减少系统资源和复杂性 - 通过基准测试验证优化模型的性能 - 生成优化模型代码和库与 ModusToolbox™ 开发流程整合

还有 ML 手势分类例程动手实验,现场演示如何快速轻松地开始使用 ModusToolbox™ ML。不要错过,现在就注册吧!


使用 ModusToolbox™ 机器学习为 IoT 设备解锁 AI
本地下载

评论