搜尋

會員登入

搜尋

導覽

會員
廣告

英飛凌ModusToolbox ML實現安全AIoT微型機器學習

瀏覽次數:6836

[德國慕尼黑訊]據調研機構 Markets and Markets 指出,人工智慧物聯網(AIoT)市場將自2019年的51億美元擴增至2024年的162億美元,年複合成長率達26%。英飛凌科技致力於加速開發差異化AIoT產品,推出ModusToolbox Machine Learning (ML),可以在英飛凌PSoC微控器 (MCUs)上實現基於深度學習的工作負載。

ModusToolbox ML是ModusToolbox Software and Tools的新功能,包含中介軟體、軟體程式庫和特殊工具,讓設計人員能夠評估與配置深度學習的機器學習模組。本功能可和 ModusToolbox 的現有架構無縫整合,因此機器學習的工作負載即可輕鬆整合至安全人工智慧物聯網系統。工具組合的內容豐富,可提供優化的機器學習模組配置工作流程,讓開發人員更有效率,加速讓優質產品投入市場。

AIoT可提供聯網裝置的機器學習能力,進而能執行智慧型的作業。ModusToolbox ML讓開發人員能夠直接在PSoC微控器使用自己偏好的深度學習架構,例如TensorFlow。此外,本功能可協助設計人員優化嵌入式平台模組,縮小體積和降低複雜性,同時驗證測試資料的效能。

英飛凌物聯網運算與無線連接副總裁 Steve Tateosian 表示:「由於物聯網的迅速成長,在邊緣端產生了極大的資料量。TinyML 微型機器學習讓AIoT自然進化,同時在本地進行處理將有助於管理資料隱私、延遲與整體系統可靠度。ModusToolbox 可透過提供靈活的工具與模組化程式庫來彌補機器學習與嵌入式系統設計之間的重大落差,透過在英飛凌超低功耗微控器中建置常用的訓練架構,輕鬆優化、驗證與配置深度學習模組。」

ModusToolbox ML可讓開發人員減少系統開發人員在開發AIoT應用時面對的複雜情況。這些應用通常需要與機器學習工作負載無縫整合,以及ModusToolbox ML所提供的運算、網路連線和雲域功能。

MCU睡眠模式(Sleep Mode)大解密

MCU睡眠模式(Sleep Mode)大解密

電池供電的感測器、智慧家居與可攜式裝置,經常花大量時間等待事件。延長續航的關鍵,是讓CPU只在需要時工作,並把監測、取樣與資料搬移交給適合的周邊。Microchip PI…

電池供電的感測器、智慧家居與可攜式裝置,經常花大量時間等待事件。延長續航的關鍵,是讓CPU只在需要時工作,並把監測、取樣…

關鍵字:機器學習AIoTML