嵌入式设备引入机器学习：有eIQ就够了！

随着产品越来越复杂，具有了更强大的处理能力和更高的速度，使得机器学习（ML）技术逐渐扩展到边缘应用。借助eIQ软件，现在可以非常轻松地将新的ML模型引入边缘设备。

机器学习(ML)是一个有助于简化现代生活的复杂过程。它使产品和设备能够快速准确地预测、学习和执行复杂的任务。两个大家熟悉的使用案例：

• Amazon Alexa，使用语音识别技术来控制智能家居；

• 自动驾驶车辆，通过目标检测技术提升驾驶员的安全。

随着产品越来越复杂，具有了更强大的处理能力和更高的速度，使得ML技术逐渐扩展到边缘应用。借助eIQ软件，现在可以非常轻松地将新的ML模型引入边缘设备。

六月初，在恩智浦Connects大会上发布了部分EdgeVerse产品组合，其中eIQ ML软件开发环境采用行业领先技术，能够将基于ML的应用部署到嵌入式设备中。该软件设计用于我们的微处理器和微控制器产品线，它为工程师提供了一个框架，可以在其中转换ML模型，从而在边缘设备上实现快速部署。

这一过程涉及优化模型，以及与系统的“学习中枢”，即神经网络(NN)推理引擎匹配。借助eIQ开发工具，可以非常轻松地完成这项任务，同时还提供将ML模型与底层计算引擎连接所需的各层。实质上，它桥接了所有必需的工具，可以让新的ML模型投入量产，并集成在复杂的应用中，例如能够执行摄像头或视频输入、安全以及无线通讯（恩智浦支持所有这些功能）等功能。初始版本支持i.MX RT跨界处理器和i.MX 8应用处理器。

更轻松的开发流程

推理引擎和库是ML的构建模块和训练基础，工程师可以运用这些技术资源形成新的见解以及探索新的可能性。

随着ML技术的不断进步，开源引擎和库迅速激增。除了eIQ软件开发环境中的各种其他工具，我们还提供基于流行的开源框架（例如，Arm NN、TensorFlow Lite和OpenCV）的神经网络驱动引擎。这让工程师拥有更大的自由度和更多选择来探索和开发ML模型。 

更广泛的边缘智能应用

eIQ软件开发环境的推出，意味着机器学习创新不再受设备资源限制。工程师可以使用基于云的工具或本地服务器工具，构建自己的训练模型，然后将模型引入elQ环境，以生成适用的推理引擎。然后将推理引擎加载到边缘设备上运行。

这是机器学习技术的重大进步，并将进一步促进该领域的各种创新可能性。

1.国内芯片60个细分领域重要代表企业！

2.【暑期精选】μC/OS-Ⅲ高阶培训火热报名中~

3.美国突然解禁供货华为？恐怕是一厢情愿

4.不建议用STM32F1的RTC实现日历功能

5.任正非称“鸿蒙”适用于自动驾驶，而非手机！

6.ARM与RISC-V之争，后起之秀的优势在哪儿？

免责声明：本文系网络转载，版权归原作者所有。如涉及作品版权问题，请与我们联系，我们将根据您提供的版权证明材料确认版权并支付稿酬或者删除内容。