当前位置:首页 > 报告详情

2-20231222_RTT_Renesas_MCU_AI.pdf

上传人: 张** 编号:161117 2024-05-05 23页 2.69MB

1、 2023 Renesas Electronics Corporation.All rights reserved.吴频吉嵌入式处理器事业发展部瑞萨电子从云端到边缘端点从云端到边缘端点的智能化的智能化在在MCU上构建上构建AI能力能力 2023 Renesas Electronics Corporation.All rights reserved.2023 Renesas Electronics Corporation.All rights reserved.第第 2 页页为什么需要嵌入式人工智能为什么需要嵌入式人工智能运行在云端的AI算法实时运行的例子(使用连续输入的数据进行推演)嵌入式AI

2、1 1秒左右秒左右毫秒级毫秒级e-AI的运行例子的运行例子数据类型数据类型处理时间处理时间生产线上的错误检测生产线上的错误检测 震动震动20ms扫地机器人的摄像头扫地机器人的摄像头图像图像100ms(最多(最多5张)张)2023 Renesas Electronics Corporation.All rights reserved.第第 3 页页两种嵌入式两种嵌入式AI的开发模式的开发模式模型设计模型设计和训练和训练训练训练数据数据模型翻译和模型翻译和调整调整投入的投入的开发资源开发资源自带模型开发BYOM用户用户用户(基于翻译工具)高自动机器学习AutoML方案提供商用户或方案提供商方案提供

3、商,基于目标芯片进行调整优化低 2023 Renesas Electronics Corporation.All rights reserved.第第 4 页页人工智能系统的开发和使用人工智能系统的开发和使用训练训练根据训练数据集计算神经网络的各个权重处理能力需求:很高很高可以在可以在MCU中实现人工智能推理!中实现人工智能推理!推理推理使用训练好的模型计算结果处理能力需求:一般一般已知单个数据狗:0.94猫:0.03人:0.01车:0.001像素数据需要大量的训练数据未知输入层输出层隐藏层训练推理输入层输出层输入层输出层 2023 Renesas Electronics Corporatio

4、n.All rights reserved.第第 5 页页瑞萨的人工智能瑞萨的人工智能/机器学习解决方案机器学习解决方案特定应用特定应用/商业服务商业服务差异化差异化/专有设计专有设计高级合作伙伴 语音用户界面、视觉和特定于应用程序的人工智能、机器学习和自动机器学习工具 优化的AI内核 快速推向市场Reality AI 用于实时分析的端到端自动机器学习工具 生成小型 AI 软件 强大的数学运算内核e-AI Translator 自带模型开发模式(BYOM)支持主流的AI神经网络框架 生成源代码瑞萨自有方案瑞萨自有方案高级合作伙伴高级合作伙伴生态系统合作伙伴生态系统合作伙伴增值扩展增值扩展瑞萨的

5、开发工具瑞萨的开发工具实时分析实时分析/异常检测异常检测 自动机器学习的开发流程自动机器学习的开发流程 2023 Renesas Electronics Corporation.All rights reserved.第第 6 页页TINY ML和端点设备的人工智能和端点设备的人工智能 在传感系统的端点设备上运行推理引擎,实现人工智能处理 推理时无需联网,在设计和服务级别方面有很多优势 在预处理和运行机器学习时的实时性和确定性,例如FFT 降低联网成本 在现有的MCU中集成新的服务 通过选择不同的MCU来优化成本和功耗 用户数据全部在端点侧进行处理,实现数据安全和数据保护推理推理实时应用系统实

6、时应用系统推理推理模型训练模型训练基于云端的基于云端的AI传感器传感器端点设备端点设备传感器传感器预处理预处理模型训练模型训练 2023 Renesas Electronics Corporation.All rights reserved.第第 7 页页REALITY AI 提供开发工具软件和解决方案提供开发工具软件和解决方案Reality AI 开发工具软件针对特定用例的完整框架,包括硬件、固件、软件和机器学习参考设计。用于瑞萨电子 MCU、MPU 和电机控制套件的模型创建和硬件优化软件Automotive SWS 用于车辆的基于音频的 ADAS 传感的完整框架RealityCheck H

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
瑞萨电子的标记内容阐述了其在嵌入式处理器领域的创新,特别是人工智能推理在MCU上的实现。文章提到,瑞萨致力于将AI能力扩展到边缘端点,强调实时性和在云端与边缘端点的智能化。给出了不同应用场景下的推理时间,如生产线上的错误检测(20ms)和扫地机器人的摄像头图像处理(100ms)。同时,文章介绍了两种嵌入式AI的开发模式:自带模型开发(BYOM)和高自动机器学习(AutoML)。BYOM允许开发者从头开始设计AI模型,或使用开源模型,而AutoML则由方案提供商基于目标芯片进行优化。瑞萨提供了包括e-AI Translator在内的工具,将预训练的模型转换为MCU可运行的C语言代码。此外,文章还详细介绍了瑞萨的RA8 MCU,这是业界首款Cortex-M85内核MCU,支持Trustzone和Helium技术,提供了先进的DSP/ML功能,并实现了高达6.39 CoreMark/MHz的性能。最后,文章给出了在RA8 MCU上实现电机失效检测和人体检测AI的实例,展示了Helium技术如何加速电机控制算法和AI算法,以及如何测量环境下的推理性能。
如何实现边缘端智能化?" AI算法在MCU上的实时运行秘诀是什么?" 瑞萨如何让AI在MCU上运行得更快?"
客服
商务合作
小程序
服务号
折叠