高性能的机器学习让边缘计算更给力

小螃蟹呀

高性能的机器学习让边缘计算更给力 [复制链接]

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。

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。

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。

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.MX 8M Plus处理器所设计的FETMX8MP-C核心板。

i.MX 8M Plus特点

• 2.3 TOPS算力（每秒兆级操作）的高性能NPU

• 主频高达1.6GHz的四核Arm Cortex-A53子系统

• 主频可达800MHz的基于Cortex-M7的独立实时子系统

• 用于进行语音和自然语言处理的高性能800MHz音频DSP

• 双摄像头图像信号处理器（ISP）

• 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、2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。

Jacktang

这个边缘计算现在很是火爆，，，

 

annysky2012

看了稚晖君，我也想拥有一个这这样的边缘计算机

freebsder

AI的边缘计算还是有点意思，最近在看OpenVINO，TensorRT这种部署方案。ARM有个arm nn，资料太少。

w494143467

AI的边缘计算好像越来越多了，应用场景也越来越广了！