AI和IoT的结合被称为“人工智能物联网”(AIoT),AIoT能使互联设备具备机器学习能力,从而执行复杂的智能运算。据Markets and Markets的数据显示,AIoT市场规模在2019年为51亿美元,预计到2024年将增长至162亿美元,达到了26%的复合年均增长率(CAGR)。在加速发展差异化AIoT产品的最新举措中,英飞凌科技股份公司近日宣布推出ModusToolbox™ ML(机器学习),使英飞凌PSoC™微控制器(MCU)具有深度学习的功能。
ModusToolbox ML是一项基于ModusToolbox软件的全新功能,可为开发人员提供基于深度学习的ML模型所需的中间件、软件库和专用工具。ML可与ModusToolbox中已有的软件框架无缝集成,十分便利地集成到安全的AIoT系统中。这一丰富的工具套件可提供流线化的机器学习模型部署工作流,从而帮助开发人员更高效、更快速地向市场推出高品质的产品。
ModusToolbox ML允许开发人员使用他们首选的深度学习框架(如TensorFlow),直接部署到PSoC MCU上。此外,ML还有助于工程师优化嵌入式平台的模型,降低平台复杂度,并提供具有基于测试数据的性能验证功能。
AI和IoT的结合被称为“人工智能物联网”(AIoT),AIoT能使互联设备具备机器学习能力,从而执行复杂的智能运算。据Markets and Markets的数据显示,AIoT市场规模在2019年为51亿美元,预计到2024年将增长至162亿美元,达到了26%的复合年均增长率(CAGR)。在加速发展差异化AIoT产品的最新举措中,英飞凌科技股份公司近日宣布推出ModusToolbox™ ML(机器学习),使英飞凌PSoC™微控制器(MCU)具有深度学习的功能。
ModusToolbox ML是一项基于ModusToolbox软件的全新功能,可为开发人员提供基于深度学习的ML模型所需的中间件、软件库和专用工具。ML可与ModusToolbox中已有的软件框架无缝集成,十分便利地集成到安全的AIoT系统中。这一丰富的工具套件可提供流线化的机器学习模型部署工作流,从而帮助开发人员更高效、更快速地向市场推出高品质的产品。
ModusToolbox ML允许开发人员使用他们首选的深度学习框架(如TensorFlow),直接部署到PSoC MCU上。此外,ML还有助于工程师优化嵌入式平台的模型,降低平台复杂度,并提供具有基于测试数据的性能验证功能。
英飞凌物联网计算和无线业务副总裁Steve Tateosian指出:“随着物联网市场规模的扩大,边缘数据量亦在迅猛增长。由TinyML赋能的AIoT应运而生,使得这些边缘数据可在本地进行处理,保护数据隐私,减少延时,从而提升系统整体可靠性。ModusToolbox弥合了机器学习与嵌入式系统设计之间的一个重要缺口,它提供的灵活的工具和模块库可支持在英飞凌超低功耗微控制器上轻松地优化、验证和部署常用软件训练框架的深度学习模型。”
ModusToolbox ML能降低系统开发人员开发AIoT应用的复杂性,给开发人员带来无与伦比的使用体验。这些应用通常需要无缝集成机器学习负荷,以及计算、连接和云处理能力,而这正是ModusToolbox ML的用武之地。
英飞凌物联网计算和无线业务副总裁Steve Tateosian指出:“随着物联网市场规模的扩大,边缘数据量亦在迅猛增长。由TinyML赋能的AIoT应运而生,使得这些边缘数据可在本地进行处理,保护数据隐私,减少延时,从而提升系统整体可靠性。ModusToolbox弥合了机器学习与嵌入式系统设计之间的一个重要缺口,它提供的灵活的工具和模块库可支持在英飞凌超低功耗微控制器上轻松地优化、验证和部署常用软件训练框架的深度学习模型。”
ModusToolbox ML能降低系统开发人员开发AIoT应用的复杂性,给开发人员带来无与伦比的使用体验。这些应用通常需要无缝集成机器学习负荷,以及计算、连接和云处理能力,而这正是ModusToolbox ML的用武之地。