异构分布计算正在进入一个前所未有的时代。物联网应用程序需要从粗铁的多样化需求,深度学习发布ultra-low-latency快速识别和判断。我们的物联网设备和系统必须同时了解和回应自己的本地环境和能够利用大规模计算资源更多的全球性问题。无人驾驶车辆不能将上游的原始传感器数据发送到云,然后等待一个答案在目标识别返回,然后再决定是否制动或转向。需要立即决定是否有一个人在人行横道上,但它可以等一段时间再呈现一个人工智能判断行人的着装是否时尚。
在Alexa等智能助手,谷歌的助理,而Siri,这将是完全不切实际的(和一个主要的隐私入侵)的每一个设备服务的数百万发送后的所有音频回云词识别。防止通信和计算问题变得站不住脚的,我们需要做尽可能多的人工智能处理在当地,没有通过网络发送数据或清醒耗电应用处理器。这种牌子的处理需要专门的硬件加速的组合与吝啬的功耗。它需要的硬件,可以很容易地适应各种传感器在物联网配置优势。它需要BOM-friendly低成本和高容量的适用性。
这是QuickLogic驾驶室。
生活就会很容易,如果每一个工程团队包括数据的科学家们可以设计培训方案与硬件专家携手合作传统软件之间的问题,谁能分区可编程硬件,以及专门的神经网络配置。但生活并不容易。大多数项目无法获得所需的各种技能和专业知识优化工程师人工智能物联网设计端点。要做到这一点,我们需要的生态系统的即插即用硬件、软件、人工智能组件和IP,使平均工程利用端点AI。本月,QuickLogic和几个合作伙伴引入这样一个生态系统。
QuickLogic连同SensiML,一般视力和棉结公司正推出“QuickAI”生态系统和开发HDK, QuickLogic EOS S3 SoC的fpga相结合,NM500神经形态处理器和人工智能IP允许设计团队将艾城端点添加到广泛的应用。NM500神经形态处理器是由棉结使用IP从视觉一般授权。576个神经元特性而使用微薄的0.1瓦特的电力。通用视觉NeroMem IP提供了一个可伸缩的、silicon-trainable,低功耗网络体系结构,该公司表示有能力自主学习和回忆模式而不需要高性能数据中心处理器进行训练。排在QuickAI平台是SensiML分析工具箱,这是旨在帮助设计师快速且轻松地构建智能传感器算法/端点设备物联网优势。
一般的视觉NeroMem提供平台的支柱,使嵌入式精确和模糊模式匹配和学习使用径向基函数神经元的一个可伸缩的架构。体系结构是平行,保证固定延迟任何特定数量的神经元和交付高水平的计算以非常低的时钟频率功率效率。一般视野提供了一个工具套件和SDK称为“知识构建器”,火车和配置NeuroMem神经元网络。
NM500实现一般视觉NeuroMem在一个小的形状组件,可以训练领域的实时识别模式。可以链接多个NM500s提供任意数量的神经元。棉结还提供软件工具用于配置和培训NM500神经元。SensiML分析工具箱设计自动化管理的训练数据,优化选择的特征提取算法,由此产生的人工智能解决方案和自动化代码生成。QuickLogic EOS S3的声音和传感器处理平台执行音频处理和传感器聚合。除了FPGA结构,它包括手臂皮层M4F &企业核心,可以拾起传统的小功率预算处理家务。
的QuickAI HDK平台设计演示,评估和端点的人工智能应用程序开发平台。它包括QuickLogic EOS S3的“邮票模块”也可以用于生产,两个棉结NM500神经形态处理器,PDM两个麦克风,一个NRF51822蓝牙低能量(bie)模块,一个USB UART, MX25R3235闪光灯,一个杂志AK9915硬件磁传感器,连接器和70销扩张。500年代平台扩展增加更多的纳米的应用程序需要更多的神经元。HDK的目标是减少开发时间和端点的上市时间人工智能应用程序涉及运动、声音或图像处理。
如果你设计的工业应用,如应用检查、QuickAI可以使纹理分类,如食品和表面,使用高速模板学习和匹配适应材料或颜色的变化。FPGA可以捕获和总传感器数据,执行使用FFT或MFCC特征提取,并通过减少信息沿着NM500进行处理。加速器的企业提供了一种超低能耗的怡安函数。结果是一个易于设计,低功耗,高性能的系统,可以执行先进的模式匹配的边缘而不需要数据的云推动额外的处理。
生活开始作为一个小球员在FPGA市场,QuickLogic旋转了大量高价值的利基市场,他们可以利用他们的可编程逻辑技术的独特特性为目标应用程序。因为低功耗性能和低成本的设备,他们开辟了一条良好的业务在移动市场,和当前趋势移动智能物联网系统的端点为这种类型的平台提供了肥沃的土壤才能成功。合作专业AI球员像通用视觉,棉结,SensiML创建一个健壮的开发平台,应该消除大部分的摩擦对设计团队想要利用人工智能技术在物联网的优势。这将是有趣的观察,该技术风行。
一个想法“人工智能物联网终端”