一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

TinyMaix - 面向單片機(jī)的超輕量級(jí)的神經(jīng)網(wǎng)絡(luò)推理庫(kù)

痞子衡嵌入式 ? 來(lái)源:痞子衡嵌入式 ? 作者:痞子衡嵌入式 ? 2022-11-24 09:41 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

項(xiàng)目類

1、TinyMaix - 面向單片機(jī)的超輕量級(jí)的神經(jīng)網(wǎng)絡(luò)推理庫(kù)

TinyMaix 是專為低資源的單片機(jī)設(shè)計(jì)的 AI 神經(jīng)網(wǎng)絡(luò)推理框架,通常被稱為 TinyML。TinyMaix 可以讓你在任意單片機(jī)上運(yùn)行輕量級(jí)深度學(xué)習(xí)模型。TinyMaix 的設(shè)計(jì)原則:易用性 > 移植性 > 速度 > 空間。

TinyMaix 其實(shí)是矽速科技Sipeed)利用兩個(gè)周末的業(yè)余時(shí)間完成的項(xiàng)目,它足夠簡(jiǎn)單,可以在 30 分鐘內(nèi)讀完代碼,可以幫助新手理解它是怎么運(yùn)行的。

  • 項(xiàng)目地址:https://github.com/sipeed/TinyMaix

TinyMaix 關(guān)鍵特性:

- 核心代碼少于400行(tm_layers.c+tm_model.c+arch_cpu.h), 代碼段(.text)少于3KB
- 低內(nèi)存消耗,甚至Arduino ATmega328 (32KB Flash, 2KB Ram) 都能基于TinyMaix跑mnist(手寫數(shù)字識(shí)別)
- 支持INT8/FP32/FP16模型,實(shí)驗(yàn)性地支持FP8模型,支持keras h5或tflite模型轉(zhuǎn)換
- 支持多種芯片架構(gòu)的專用指令優(yōu)化: ARM SIMD/NEON/MVEI,RV32P, RV64V
- 友好的用戶接口,只需要load/run模型~
- 支持全靜態(tài)的內(nèi)存配置(無(wú)需malloc)
- MaixHub 在線模型訓(xùn)練支持

2、ZS1100A - 專用于物聯(lián)網(wǎng)功耗測(cè)量的開(kāi)源功率計(jì)

大多數(shù)用于創(chuàng)建物聯(lián)網(wǎng)(IoT)的設(shè)備都是用小電池工作的。由于當(dāng)前消費(fèi)電子的動(dòng)態(tài)性,測(cè)量這些物聯(lián)網(wǎng)設(shè)備的能耗是一項(xiàng)艱巨的任務(wù)。開(kāi)發(fā)人員經(jīng)常需要使用多種儀器和手工計(jì)算來(lái)估計(jì)能源消耗。ZS1100A 型電能表就是為解決這些問(wèn)題的。該工具可以非常準(zhǔn)確和詳細(xì)地繪制電流消耗與時(shí)間的關(guān)系,可以與電池模型一起使用,以估計(jì)電池的總體壽命。

  • 項(xiàng)目主頁(yè):https://www.crowdsupply.com/zscircuits/zs1100a-power-meter
  • 項(xiàng)目地址:https://github.com/zscircuits/zs1100a
eb8a90aa-6b94-11ed-8abf-dac502259ad0.png

3、dynamic_loader - 單片機(jī)上實(shí)現(xiàn)動(dòng)態(tài)加載功能的函數(shù)庫(kù)

dynamic_loader 是一個(gè)在單片機(jī)(如:STM32)上實(shí)現(xiàn)動(dòng)態(tài)加載功能的函數(shù)庫(kù),與 Windows 中的 dll,Linux 中的 so 類似,可以將代碼動(dòng)態(tài)地從其他的存儲(chǔ)介質(zhì),動(dòng)態(tài)加載到 RAM 中。

程序使用 dl_load_lib 加載相應(yīng)的庫(kù)文件到句柄中,加載成功后可使用 dl_get_func,通過(guò)函數(shù)名獲得相應(yīng)函數(shù)指針,在不需要使用時(shí)可使用 dl_destroy_lib 對(duì)句柄進(jìn)行釋放。

  • 項(xiàng)目地址:https://gitee.com/wzh1845462801/dynamic_loader
  • 詳細(xì)介紹:https://www.armbbs.cn/forum.php?mod=viewthread&tid=109952

4、little-bee-B1 - 開(kāi)源實(shí)用的高性能電流和磁場(chǎng)探頭

little-bee-B1 是一種基于各向異性磁電阻(AMR)磁傳感器的開(kāi)源磁場(chǎng)和電流探頭。它直接感知磁場(chǎng),并通過(guò)電流傳感附件測(cè)量電流,該附件由放置在導(dǎo)線周圍的有間隙的鐵氧體環(huán)形體組成,在導(dǎo)線中的電流和傳感器所受的磁場(chǎng)之間建立固定的關(guān)系。

  • 項(xiàng)目地址:https://github.com/westonb/little-bee-B1

特性如下:

- 可調(diào)帶寬(10mhz和1mhz)
- 可調(diào)增益(1倍和4倍)
- SMA輸出連接器
- 連接到任何標(biāo)準(zhǔn)1 MΩ阻抗示波器輸入
- 單節(jié)AA電池供電(續(xù)航4小時(shí))
- 自動(dòng)歸零

5、White Rabbit - 亞納秒級(jí)同步精度的網(wǎng)絡(luò)數(shù)據(jù)傳輸項(xiàng)目

White Rabbit 為大型分布式系統(tǒng)提供亞納秒級(jí)同步精度,它還允許確定性和可靠的數(shù)據(jù)傳輸。White Rabbit 允許您對(duì)測(cè)量數(shù)據(jù)進(jìn)行精確的時(shí)間標(biāo)記,并允許您在大型安裝中觸發(fā)數(shù)據(jù),同時(shí)使用相同的網(wǎng)絡(luò)傳輸數(shù)據(jù)。

  • 項(xiàng)目地址:https://ohwr.org/project/white-rabbit/wikis/home

White Rabbit 特點(diǎn):

- 亞納秒級(jí)同步
- 支持連接數(shù)千個(gè)節(jié)點(diǎn)
- 節(jié)點(diǎn)之間的典型距離為 10 km
- 基于千兆以太網(wǎng)的的可靠數(shù)據(jù)傳輸
- 硬件、固件和軟件全開(kāi)源
ebbf95e8-6b94-11ed-8abf-dac502259ad0.png


審核編輯 :李倩


聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:痞子衡嵌入式半月刊:第 67 期

文章出處:【微信號(hào):pzh_mcu,微信公眾號(hào):痞子衡嵌入式】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異,以下是對(duì)兩者的比較: 一、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:53 ?662次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)分析

    BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)作為一種常用的機(jī)器學(xué)習(xí)模型,具有顯著的優(yōu)點(diǎn),同時(shí)也存在一些不容忽視的缺點(diǎn)。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)優(yōu)缺點(diǎn)的分析: 優(yōu)點(diǎn)
    的頭像 發(fā)表于 02-12 15:36 ?915次閱讀

    什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

    BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法(Backpropagation Algorithm)是一種用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的有效方法。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法的介紹: 一、基本概念 反向傳播算法是BP
    的頭像 發(fā)表于 02-12 15:18 ?765次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系,以下是對(duì)它們之間關(guān)系的介紹: 一、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò),即反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural N
    的頭像 發(fā)表于 02-12 15:15 ?852次閱讀

    深度學(xué)習(xí)入門:簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的構(gòu)建與實(shí)現(xiàn)

    神經(jīng)網(wǎng)絡(luò)。 首先,導(dǎo)入必要的庫(kù): 收起 python ? import numpy as np ? 定義激活函數(shù) Sigmoid: 收起 python ? def sigmoid(x): return 1
    的頭像 發(fā)表于 01-23 13:52 ?528次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上一篇文章中,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種算法。在本文中,我們會(huì)介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡(luò) ? 人工神經(jīng)網(wǎng)絡(luò)模型之所
    的頭像 發(fā)表于 01-09 10:24 ?1184次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識(shí)別、自然語(yǔ)言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見(jiàn)的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 11-15 14:53 ?1867次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)領(lǐng)域中的一種強(qiáng)大工具,它們能夠模擬人腦處理信息的方式。隨著技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)的類型也在不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)(如前饋
    的頭像 發(fā)表于 11-15 09:42 ?1125次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機(jī)制

    LSTM(Long Short-Term Memory,長(zhǎng)短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),設(shè)計(jì)用于解決長(zhǎng)期依賴問(wèn)題,特別是在處理時(shí)間序列數(shù)據(jù)時(shí)表現(xiàn)出色。以下是LSTM神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 11-13 10:05 ?1631次閱讀

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    Moku3.3版更新在Moku:Pro平臺(tái)新增了全新的儀器功能【神經(jīng)網(wǎng)絡(luò)】,使用戶能夠在Moku設(shè)備上部署實(shí)時(shí)機(jī)器學(xué)習(xí)算法,進(jìn)行快速、靈活的信號(hào)分析、去噪、傳感器調(diào)節(jié)校準(zhǔn)、閉環(huán)反饋等應(yīng)用。如果您
    的頭像 發(fā)表于 11-01 08:06 ?663次閱讀
    Moku人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

    【飛凌嵌入式OK3576-C開(kāi)發(fā)板體驗(yàn)】RKNN神經(jīng)網(wǎng)絡(luò)-車牌識(shí)別

    LPRNet基于深層神經(jīng)網(wǎng)絡(luò)設(shè)計(jì),通過(guò)輕量級(jí)的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)車牌識(shí)別。它采用端到端的訓(xùn)練方式,不依賴字符分割,能夠直接處理整張車牌圖像,并輸出最終的字符序列。這種設(shè)計(jì)提高了識(shí)別的實(shí)時(shí)性和準(zhǔn)確性
    發(fā)表于 10-10 16:40

    matlab 神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析

    matlab神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析 精通的可以討論下
    發(fā)表于 09-18 15:14

    國(guó)產(chǎn)芯上運(yùn)行TinyMaxi輕量級(jí)神經(jīng)網(wǎng)絡(luò)推理庫(kù)-米爾基于芯馳D9國(guó)產(chǎn)商顯板

    面向單片機(jī)超輕量級(jí)神經(jīng)網(wǎng)絡(luò)推理庫(kù),即 TinyML
    發(fā)表于 08-09 18:26

    國(guó)產(chǎn)芯上運(yùn)行TinyMaxi輕量級(jí)神經(jīng)網(wǎng)絡(luò)推理庫(kù)-米爾基于芯馳D9國(guó)產(chǎn)商顯板

    D9360國(guó)產(chǎn)開(kāi)發(fā)板)的TinyMaxi輕量級(jí)神經(jīng)網(wǎng)絡(luò)推理庫(kù)方案測(cè)試。 算力測(cè)試 TinyMaix
    發(fā)表于 08-07 18:06

    FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用

    、低功耗等特點(diǎn),逐漸成為深度神經(jīng)網(wǎng)絡(luò)在邊緣計(jì)算和設(shè)備端推理的重要硬件平臺(tái)。本文將詳細(xì)探討FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用,包括其優(yōu)勢(shì)、設(shè)計(jì)流程、關(guān)鍵技術(shù)以及實(shí)際應(yīng)用案例。
    的頭像 發(fā)表于 07-24 10:42 ?1200次閱讀