使用英飛凌 ModusToolbox? 機器學(xué)習為IoT設備解鎖AI

1   英飛凌在邊緣（Edge）設備上釋放機器學(xué)習（ML）的能力

市場(chǎng)對舒適性、便利性和簡(jiǎn)單性的需求不斷增加，對娛樂(lè )、安全和能源效率領(lǐng)域更多功能的需求也在日益增長(cháng)，這將大大增加對智能家居的興趣和承諾。邊緣人工智能（AI）將成為這些產(chǎn)品的關(guān)鍵推動(dòng)因素。

今天的物聯(lián)網(wǎng)硬件/軟件開(kāi)發(fā)人員面臨著(zhù)在構建這些未來(lái)設備時(shí)的一系列復雜設計。從復雜的集成無(wú)線(xiàn)連接，到優(yōu)化電池供電設計中的系統功率，再到集成傳感器融合，讓物聯(lián)網(wǎng)工作對任何團隊來(lái)說(shuō)都是一項艱巨的任務(wù)。作為連接現實(shí)世界和數字世界的領(lǐng)導者，英飛凌非常了解這些設計挑戰，我們最近解決的一項挑戰就是在邊緣設備上釋放機器學(xué)習（ML）的能力。

英飛凌安全互聯(lián)事業(yè)部大中華區 物聯(lián)網(wǎng)消費產(chǎn)品首席FAE 陳順祥

2   將ML從云端移至邊緣的理由與挑戰

現在將ML 工作量從云端移至邊緣的理由比以往任何時(shí)候都更加強烈，因為有用戶(hù)非常關(guān)心的隱私、流量帶寬、成本和工作延遲等現實(shí)問(wèn)題。邊緣的AI/ML 主要專(zhuān)注于推理（Inference）。ML設計從數據收集、訓練、生成已訓練好的模型部署于邊緣推理。然而，就算ML 數據已經(jīng)訓練并創(chuàng )建模型，還會(huì )有另外的挑戰。彌合用于創(chuàng )建模型的工具與驗證和優(yōu)化嵌入式微控制器設備的過(guò)程之間的差距是極其復雜的，并導致上市時(shí)間緩慢延遲。

3   英飛凌ModusToolbox? 機器學(xué)習工具

正因如此，英飛凌推出了ModusToolbox? 機器學(xué)習工具，能夠快速評估ML 模型并將其部署到英飛凌MCU 上。ModusToolbox? ML 旨在與BSP、連接堆棧、中間件和有直觀(guān)的配置器的ModusToolbox? 軟件生態(tài)系統無(wú)縫協(xié)作，以便開(kāi)發(fā)人員可以專(zhuān)注于他們的應用程序差異化并加快進(jìn)入市場(chǎng)。

目前ModusToolbox? ML 已經(jīng)實(shí)現：

●   從流行的訓練框架（如TensorFlow?）導入模型；

●   優(yōu)化嵌入式平臺的模型以減少系統資源和復雜性；

●   通過(guò)基準測試驗證優(yōu)化模型的性能；

●   生成優(yōu)化模型代碼和庫與ModusToolbox? 開(kāi)發(fā)流程整合。

ModusToolbox? 已在2021 年7 月發(fā)布了機器學(xué)習（ML）配置器1.10 版，支持在與ModusToolbox?流程集成的英飛凌MCU 上優(yōu)化和部署ML 模型。ModusToolbox? 也帶有ML 例程，此代碼示例演示了如何根據運動(dòng)傳感器（加速度計和陀螺儀）數據執行手勢分類(lèi)。該代碼示例附帶一個(gè)預訓練模型，該模型可對以下手勢進(jìn)行分類(lèi)：圓形、方形和左右。通過(guò)這個(gè)例程，工程師可以學(xué)習使用ModusToolbox? ML。除此之外，英飛凌會(huì )在2021 年10 月舉辦ModusToolbox? ML 中文網(wǎng)絡(luò )研討會(huì )現場(chǎng)直播，并現場(chǎng)演示動(dòng)手實(shí)驗如何快速輕松地開(kāi)始使用ModusToolbox? ML。

（本文來(lái)源于《電子產(chǎn)品世界》雜志2021年9月期）