Non ci sono prodotti a carrello.
NXP Semiconductors ha annunciato grande interesse per il microNPU (Neural Processing Unit) Arm Ethos-U55, un processore di machine learning (ML) destinato a dispositivi periferici industriali e Internet-of-Things (IoT) con risorse limitate.
In qualità di azienda leader nel settore dei microcontrollori (MCU), NXP intende implementare Ethos-U55 nei suoi microcontrollori (MCU) basati su Arm Cortex -M, MCU crossover e sottosistemi in tempo reale nei processori di applicazioni. L’iniziativa amplia le crescenti offerte ML dell’azienda, inclusi i processori di applicazioni i.MX 8M Plus con NPU dedicata recentemente annunciati dall’azienda.
Ethos-U55, altamente configurabile, funziona in concerto con il core Cortex-M per ottenere un ingombro ridotto, offrendo allo stesso tempo un miglioramento di oltre 30 volte nelle prestazioni di inferenza rispetto al solo Cortex-M, anche in MCU ad alte prestazioni. Ethos-U55 è progettato specificamente per accelerare l’inferenza ML nei dispositivi embedded e IoT con risorse limitate. Le sue tecniche di compressione avanzate risparmiano energia e riducono significativamente le dimensioni del modello ML per consentire l’esecuzione di reti neurali che in precedenza funzionavano solo su sistemi più grandi. Inoltre, una toolchain unificata con Cortex-M offre agli sviluppatori un percorso semplificato e continuo per lo sviluppo di applicazioni ML nel familiare ambiente di sviluppo Cortex-M. L’abilitazione end-to-end, dalla formazione alla distribuzione dell’inferenza run-time per Ethos-U55, sarà accessibile attraverso l’ambiente di sviluppo dell’apprendimento automatico eIQ di NXP.
Il portafoglio completo di elementi di elaborazione ML (CPU, GPU, DSP e NPU) di NXP è compatibile con il suo ambiente di sviluppo di machine learning eIQ, che offre la possibilità di scegliere tra i più diffusi motori di inferenza open source che offrono le prestazioni necessarie per l’elemento di calcolo specifico. Utilizzando i processori perimetrali e gli strumenti eIQ di NXP, i clienti possono facilmente creare molte applicazioni ML, tra cui il rilevamento di oggetti, il riconoscimento di volti e gesti, l’elaborazione del linguaggio naturale e la manutenzione predittiva.
