使用英飛凌 ModusToolbox? 機(jī)器學(xué)習(xí)為IoT設(shè)備解鎖AI

1   英飛凌在邊緣（Edge）設(shè)備上釋放機(jī)器學(xué)習(xí)（ML）的能力

市場(chǎng)對(duì)舒適性、便利性和簡(jiǎn)單性的需求不斷增加，對(duì)娛樂、安全和能源效率領(lǐng)域更多功能的需求也在日益增長(zhǎng)，這將大大增加對(duì)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/軟件開發(fā)人員面臨著在構(gòu)建這些未來設(shè)備時(shí)的一系列復(fù)雜設(shè)計(jì)。從復(fù)雜的集成無線連接，到優(yōu)化電池供電設(shè)計(jì)中的系統(tǒng)功率，再到集成傳感器融合，讓物聯(lián)網(wǎng)工作對(duì)任何團(tuán)隊(duì)來說都是一項(xiàng)艱巨的任務(wù)。作為連接現(xiàn)實(shí)世界和數(shù)字世界的領(lǐng)導(dǎo)者，英飛凌非常了解這些設(shè)計(jì)挑戰(zhàn)，我們最近解決的一項(xiàng)挑戰(zhàn)就是在邊緣設(shè)備上釋放機(jī)器學(xué)習(xí)（ML）的能力。

英飛凌安全互聯(lián)事業(yè)部大中華區(qū) 物聯(lián)網(wǎng)消費(fèi)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(zhàn)

現(xiàn)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(qiáng)烈，因?yàn)橛杏脩舴浅ｊP(guān)心的隱私、流量帶寬、成本和工作延遲等現(xiàn)實(shí)問題。邊緣的AI/ML 主要專注于推理（Inference）。ML設(shè)計(jì)從數(shù)據(jù)收集、訓(xùn)練、生成已訓(xùn)練好的模型部署于邊緣推理。然而，就算ML 數(shù)據(jù)已經(jīng)訓(xùn)練并創(chuàng)建模型，還會(huì)有另外的挑戰(zhàn)。彌合用于創(chuàng)建模型的工具與驗(yàn)證和優(yōu)化嵌入式微控制器設(shè)備的過程之間的差距是極其復(fù)雜的，并導(dǎo)致上市時(shí)間緩慢延遲。

3   英飛凌ModusToolbox? 機(jī)器學(xué)習(xí)工具

正因如此，英飛凌推出了ModusToolbox? 機(jī)器學(xué)習(xí)工具，能夠快速評(píng)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、中間件和有直觀的配置器的ModusToolbox? 軟件生態(tài)系統(tǒng)無縫協(xié)作，以便開發(fā)人員可以專注于他們的應(yīng)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(xiàn)：

●   從流行的訓(xùn)練框架（如TensorFlow?）導(dǎo)入模型；

●   優(yōu)化嵌入式平臺(tái)的模型以減少系統(tǒng)資源和復(fù)雜性；

●   通過基準(zhǔn)測(cè)試驗(yàn)證優(yōu)化模型的性能；

●   生成優(yōu)化模型代碼和庫(kù)與ModusToolbox? 開發(fā)流程整合。

ModusToolbox? 已在2021 年7 月發(fā)布了機(jī)器學(xué)習(xí)（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(jù)運(yùn)動(dòng)傳感器（加速度計(jì)和陀螺儀）數(shù)據(jù)執(zhí)行手勢(shì)分類。該代碼示例附帶一個(gè)預(yù)訓(xùn)練模型，該模型可對(duì)以下手勢(shì)進(jìn)行分類：圓形、方形和左右。通過這個(gè)例程，工程師可以學(xué)習(xí)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(xiàn)場(chǎng)直播，并現(xiàn)場(chǎng)演示動(dòng)手實(shí)驗(yàn)如何快速輕松地開始使用ModusToolbox? ML。

（本文來源于《電子產(chǎn)品世界》雜志2021年9月期）