Solutions d'apprentissage automatique de Microchip Technology
La puissance de l'apprentissage automatique (ML) dépend uniquement de la qualité des données d'entrée et du régime d'entraînement des données. De plus, il peut être extrêmement difficile de construire un modèle d'entraînement ML à partir de zéro. Dans cet article, explorez la large gamme de modèles, produits, systèmes et solutions d'apprentissage automatique premium proposés par Microchip.
Explorez le monde à la pointe de la Machine Learning de Microchip Technology, où vous êtes habilité à créer et mettre en œuvre des modèles avancés en toute simplicité. Que vous vous aventuriez dans le domaine des Microcontroller Units (MCUs) et des Microprocessor Units (MPUs) ou recherchiez des outils spécialisés pour la classification d'images et les applications vidéo, cette suite complète de solutions répond à vos besoins.
Créez votre propre modèle
Développement MCU/MPU avec MPLAB® Machine Learning Development suite
Commencez votre parcours d'apprentissage automatique avec la suite de développement d'apprentissage automatique MPLAB® de Microchip, intégrée de manière transparente comme un plugin dans MPLAB® X IDE. Cette solution tout-en-un simplifie l'ensemble du processus, depuis la collecte des données jusqu'aux tests de modèle, aboutissant à un pack de connaissances personnalisé pour les MCUs/MPUs de Microchip.
Ces kits d'évaluation d'apprentissage automatique méticuleusement conçus sont spécifiquement adaptés aux applications d'unités de mesure inertielle (IMU), en se concentrant sur l'analyse des données de vibration et des capteurs. Explorez les plateformes exceptionnelles suivantes :
- Comprend le microcontrôleur 32 bits basé sur SAMD21G18 Arm® Cortex®-M0+.
- Équipé d’un débogueur intégré (nEDBG), d’un circuit intégré sécuritaire ATECC608A CryptoAuthentication™ et d’un contrôleur de réseau Wi-Fi® ATWINC1510.
- Dispose du MCU 32 bits basé sur le SAMD21G18 Arm Cortex-M0+.
- Comprend un débogueur intégré (nEDBG), un circuit IC ATECC608A CryptoAuthentication, et un contrôleur réseau Wi-Fi ATWINC1510.
Kit d'évaluation Curiosity Nano
Apportez votre propre modèle
Si vous disposez d'un modèle DNN pré-entraîné, vous pouvez utiliser soit Microchip MPU, soit FPGA en fonction de votre cas d'utilisation.
Pour les applications ML audio/image/vidéo à faible taux d'images (MPUs) :
- Convertir des modèles TensorFlow en modèles TensorFlow Lite en utilisant des API standards
- Utilisez MPLAB Harmony V3 pour intégrer le moteur d'exécution ML (modèles TensorFlow Lite) et les périphériques de manière transparente
Pour les applications vidéo à basse consommation et à haut taux d'images (FPGAs) :
- Les FPGAs de Microchip offrent une solution de niche pour les applications exigeantes
- Exploitez le VectorBlox™ Accelerator SDK pour une conversion facile des réseaux neuronaux profonds de haut niveau en TensorFlow Lite, même sans expérience préalable en conception FPGA
Kit d'évaluation
Commencer
- Étape 1 : Installez le Kit de développement logiciel (SDK) VectorBlox™ et lisez le Guide du programmeur
- Étape 2 : Choisissez entre la PolarFire® FPGA ou la famille PolarFire SoC FPGA
- Étape 3 : Choisissez le kit vidéo correspondant et rendez-vous sur l'emplacement GitHub respectif pour les instructions de configuration de l'environnement VectorBlox SDK :
- Étape 4 : Téléchargez Libero® SoC Design Suite 2023.1
- Étape 5 : Générez et fusionnez* la licence Silver de la Libero SoC Design Suite et la licence CoreVectorBlox
*Consultez la section 7.3 du guide de démarrage rapide du logiciel Libero quick-start guide pour apprendre à fusionner ces licences.
Accélérez vos projets d'apprentissage automatique avec Microchip Technology. Découvrez la puissance et la simplicité d'utilisation des kits d'évaluation et libérez le potentiel de l'informatique intelligente.
Trousse d'évaluation
Conceptions de référence pour MCU/MPU :
Conceptions de référence pour les FPGAs :
Ressources supplémentaires :
Étiquettes d'article
