高性能的机器学习让边缘计算更给力-iMX8M Plus为边缘计算赋能

在科技日新月异的当今社会,人工智能 (AI) 的研究工作已取得惊人进展,计算机的用途也在不断拓宽。

机器在执行某些任务时比起人类更快、更精准。最著名的事件莫过于在2016年,AlphaGo通过机器的自主学习能力战胜了围棋世界冠军柯洁。

AlphaGo

当然,AI发展的如此迅速,也与人类智慧的不断进步是密不可分的。

利用机器学习(ML)等方面的技术,开发人员可以创建更丰富多样的应用,比如工业机器视觉、图像分类、对象检测、语音识别、自然语言处理、手势和情绪检测等,这些应用改变了我们生活的方式,提高了我们的住宅、办公室、工厂、城市的安全性、智能化程度和便利性。 

什么是机器学习?

机器学习相当于利用计算引擎来处理复杂的人工任务,但是它的速度更快,甚至能够自主运行,无需人为的直接干预。在运行机器学习应用时,需要执行海量的数学运算,总计可达到每秒数万亿次。

机器学习

显然,机器学习能够提供给人们提供很多便捷功能,而这些功能对于智能家居智能零售、智能工厂和智慧城市等应用领域而言是必不可少的。以前,机器学习需要成本昂贵而又复杂的云计算,也就是“基于云的人工智能”。但现在,很多机器学习操作可在网络边缘进行,在这里,智能互连设备提供更快的运行时响应、更低的延迟,可靠性、私密性和安全性更出色。 

为什么要基于边缘计算

在利用云计算时,用户需要使用本地网络之外的计算资源。而通过边缘计算的话,许多处理工作就可以在本地进行了!因此,一些私密性的数据也可以保存在本地网络中,安全性得到了极大的提升。

机器学习为什么转向边缘


边缘设备还可执行多种任务。在云计算流程中,边缘设备通常用于过滤、预处理、存储或缓冲数据。而现在,新技术进步——如集成神经处理单元(NPU),它为边缘设备的用途开辟了可能性。

凭借可根据各类数据源(如摄像头输入)做出决策的边缘设备,用户能够将重要数据保存在本地网络中。这减少了必须上传到云端的数据量,提高了系统的整体可靠性和安全性。还能够实现更快的实时决策,因为数据传输到云并等待控制响应会增加延迟,导致云计算架构无法处理一些应用。飞凌顺势推出了一款基于NXP i.MX8M Plus处理器所设计的FETMX8MP-C核心板!

i.MX 8M Plus特点

1、高性能NPU 2.3 TOPS算力(每秒兆级操作)

2、主频高达2GHz的四核Arm Cortex-A53子系统

3、主频可达800MHz的基于Cortex-M7的独立实时子系统

4、用于进行语音和自然语言处理的高性能800MHz音频DSP

5、双摄像头图像信号处理器(ISP)

6、用于丰富图形渲染的3D GPU


FETMX8MP-C核心板的处理器使用的是14nm FinFET工艺技术,因而具有低功耗和高性能,并具备多项新特性,包括支持两个低成本高清图像传感器或一个4K分辨率图像传感器的双摄像头ISP,能够处理人脸、物体对象和手势识别等机器学习任务。 此外,它还集成了独立的800MHz Cortex-M7以便处理实时任务并获得低功耗支持、H.265和H.264的视频编解码、800MHz HiFi4 DSP和用于语音识别的8通道PDM麦克风输入。工业物联网特性包括支持时间敏感型网络 (TSN) 的千兆以太网、两个CAN-FD接口和ECC。人工智能和机器学习给计算机行业带来了颠覆性的变化,这一变化将有助于改善我们的生活。相信利用飞凌的FETMX8MP-C核心板,将人工智能和机器学习移到边缘,我们可以更快地迎来更美好的明天。