近年来，连接的设备和物联网（物联网）在日常生活中变得无所不在，可以在我们的家和汽车或工作场所。这些小型设备中的许多都连接到云服务 - 几乎每个都有智能手机或笔记本电脑的每个人都使用基于云的服务，例如是主动还是通过自动备份服务。
然而，一种新的范式被称为“边缘智能”在技术的快速变化景观中迅速获得牵引力。本文介绍了基于云的智能，Edge Intelligence，以及专业用户的可能使用情况，使机器学习可供所有。
图1。从云计算到Edge Compubeplay体育app 苹果ting的切换打开了构建运行ML的软件的数十亿个设备的可能性。图片礼貌恩智浦。
关键机器学习条款
beplay体育app 苹果
beplay体育app 苹果云计算，简单地放置，无论何时客户端都需要它们，都是远程计算资源的可用性。
对于公共云服务，云服务提供商负责管理硬件，并确保服务的可用性最多可达一定的标准和客户期望。云服务的客户支付他们使用的内容，并且这些服务的就业通常仅适用于大规模操作。
边缘计算
另一方面，边缘计算发生在云和客户端之间的某处。
虽然所定义完全边缘节点静止的位置可能因应用程序而异，但它们通常接近本地网络。这些计算节点提供诸如过滤和缓冲数据的服务，并且它们有助于提高隐私，提供更高的可靠性，并降低云服务成本和延迟。
最近，AI和机器学习更常见的是补充边缘计算节点，并帮助确定数据相关的数据，应该将其上载到云以进行更深的分析。
机器学习（ml）
机器学习（ML）是一个广泛的科学领域，但最近，在讨论机器学习算法时，神经网络（通常缩写到NN）最受关注。
多种或复杂ML应用，例如对象跟踪和监视，自动语音识别和多面检测通常需要NNS。许多科学家在过去十年中努力改进和优化NN算法，以便他们在具有有限的计算资源的设备上运行，这有助于加速边缘计算范式的普及和实用性。
一种这样的算法是Mobilenet.，这是Google开发的图像分类算法。该项目表明，高度准确的神经网络确实可以在具有显着限制的计算能力的设备上运行。
机器学习超过专家
直到最近，机器学习主要用于数据 - 科学专家，深入了解ML和深度学习应用。通常，开发工具和软件套件不成熟，使用挑战。
机器学习和边缘计算正在迅速扩展，这些领域的兴趣每年稳步增长。根据目前的研究，98％的边缘设备将在2025年使用机器学习。这一百分比转化为大约18-25亿个设备，即研究人员希望拥有机器学习能力。
通常，边缘的机器学习为广泛的应用程序学习，从计算机视觉，语音分析和视频处理到序列分析。
可能应用的一些具体示例是智能门锁与相机结合。这些设备可以自动检测想要访问房间的人并在适当时允许人员进入。
现代硬件解决方案在边缘启用ML处理
由于前面讨论了神经网络算法的优化和性能改进，因此许多ML应用程序现在可以在由交叉MCU（如）诸如交叉MCU的嵌入式设备上运行i.mx RT1170.。利用其两种加工核心（1GHz ARM Cortex M7和400 MHz ARM Cortex-M4核心），开发人员可以选择使用实时约束来运行兼容的NN实现。
由于其双核设计，I.MXRT1170还允许并行执行多个ML模型。额外的内置加密引擎，高级安全功能和图形和多媒体功能使I.MX RT1170适用于各种应用。一些例子包括司机分散探测检测，智能光开关，智能锁，车队管理等。
图2。i.MX RT1170 Scrossover MCU系列的框图。图片礼貌恩智浦。点击放大。
这i.mx 8m plus是一家应用程序处理器，专注于ML，计算机视觉，高级多媒体应用，以及具有高可靠性的工业自动化。这些设备符合智能设备和行业4.0应用的需求，并配备了专用的NPU（神经处理单元），可在高达2.3上运行，最多四个ARM Cortex A53处理器核心。
图3。i.mx 8m plus框图。图片礼貌恩智浦。点击放大。
内置图像信号处理器允许开发人员使用两个高清摄像机传感器或单个4K相机。这些功能使I.MX 8M加上适用于面部识别，对象检测和其他ML任务等应用的设备系列。除此之外，I.MX 8M Plus系列的设备还具有高级2D和3D图形加速功能，多媒体功能，如视频编码和解码支持，包括H.265）和8个PDM麦克风输入。
额外的低功耗800 MHz ARM Cortex M7核心补充了包装。该专用核心服务于实时工业应用，需要强大的网络功能，例如CAN FD支持和千兆以太网与TSN功能通信。
EIQ工具环境
具有新设备，需要易于使用，高效，能干的开发生态系统，使开发人员能够构建现代ML系统。恩智浦的全面EIQ ML软件开发环境旨在帮助开发人员创建基于ML的应用程序。
EIQ工具环境包括推理引擎，神经网络编译器和优化的库，以便在NXP微控制器上使用ML算法，I.MX RT Crossover MCU和I.MX系列SoC。开发人员可以通过NXP的SDKS获取所需的ML技术，用于Mcuxpresso IDE和Yocto BSP。
即将推出的EIQ Toolkit添加了可访问的GUI;EIQ门户和工作流程，使所有体验级别的开发人员能够创建ML应用程序。
图4。EIQ Toolkit和EIQ门户与BYOD和BYOM工作流程以及EIQ推理引擎的选择。EIQ Toolkit在努力在NXP设备上部署ML应用程序时帮助所有体验级别的开发人员。图片礼貌恩智浦。
开发人员可以选择遵循一个名为BYOM（带您自己的模型）的过程，开发人员使用基于云的工具构建培训的模型，然后将其导入到EIQ Toolkit软件环境。然后，所有剩余的都是在eiq中选择适当的推理引擎。或者开发人员可以使用基于EIQ Portal GUI的工具或命令行界面来导入和策划数据集并使用BYOD（带上您自己的数据）工作流程来培训其在EIQ Toolkit中的模型。
机器在边缘学习
大多数现代消费者都熟悉云计算。beplay体育app 苹果然而，近年来，已知为Edge Compuming的新范式已经看到了兴趣的增加。
使用此范例，并非所有数据都上传到云。相反，位于最终用户和云之间的某处的边缘节点提供额外的处理能力。此范例具有许多好处，例如增加安全性和隐私，将数据传输减少到云，降低延迟。
最近，开发人员通常通过机器学习能力增强这些边缘节点。这样做有助于将收集的数据分类并筛选出不需要的结果和无关信息。向边缘添加ML，使许多应用诸如驾驶员分散探测，智能光开关，智能锁，舰队管理，监控和分类等应用，以及更多。
ML应用传统上由数据科学专家专门设计，深入了解ML和深度学习应用。恩智浦提供一系列廉价且强大的设备，例如i.mx rt1170和i.mx 8m plus，以及eiq ml软件开发环境，帮助打开ML到任何设计者。这种硬件和软件旨在允许开发人员在任何经验中建立未来的ML应用，无论项目将多么小或大。
行业文章是一种内容的形式，允许行业合作伙伴分享有用的新闻，消息和技术，所有关于电路读者的行为编辑内容并不适合。所有行业文章都受到严格的编辑准则，目的是提供读者有用的新闻，技术专业知识或故事。在行业文章中表达的观点和意见是合作伙伴的观点，不一定是关于电路或其作家的所有人。
