日B视频 亚洲,啪啪啪网站一区二区,91色情精品久久,日日噜狠狠色综合久,超碰人妻少妇97在线,999青青视频,亚洲一区二卡,让本一区二区视频,日韩网站推荐

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(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)
會員中心
創(chuàng)作中心

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

3天內(nèi)不再提示

CMSIS 5.8.0優(yōu)化機(jī)器學(xué)習(xí)應(yīng)用的神經(jīng)網(wǎng)絡(luò)和信號處理

星星科技指導(dǎo)員 ? 來源:嵌入式計(jì)算設(shè)計(jì) ? 作者:Saumitra Jagdale ? 2022-08-16 09:45 ? 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

CMSIS 通過集成各種包和模塊,從軟件角度增強(qiáng)了嵌入式項(xiàng)目。它帶有一系列工具、API 和框架,可幫助嵌入式開發(fā)人員實(shí)現(xiàn)流暢的應(yīng)用程序構(gòu)建。此外,從開發(fā)的角度來看,實(shí)時操作系統(tǒng)和中間件組件提供了多種選擇。

CMSIS-Pack 的組織結(jié)構(gòu)使其適用于劃分和克服應(yīng)用程序的復(fù)雜要求。隨著 5.8.0 版本的發(fā)布,CMSIS-NN 和 CMSIS-DSP 已從復(fù)合 CMSIS 核心中分離出來,后者是 CMSIS 包的主要組件之一。這種自由裁量權(quán)允許集中開發(fā)機(jī)器學(xué)習(xí)信號處理功能,并且包的相應(yīng)發(fā)布周期獨(dú)立于主要的 CMSIS 核心版本。

CMSIS-DSP 包有一些小的變化,一些 GCC 問題已通過將 DSP 包離散更新到 1.9.0 版本而得到修復(fù)。更新后的軟件包增強(qiáng)了對 f16 數(shù)據(jù)類型的支持,以便對接收到的數(shù)據(jù)進(jìn)行有效的信號處理。此外,還從存儲庫中刪除了一些預(yù)構(gòu)建的庫,以獲得更清晰的包源。

TensorFlow Lite 框架將接口機(jī)器學(xué)習(xí)本質(zhì)添加到硬件應(yīng)用程序中。更新后的 CMSIS-NN 包在 TensorFlow Lite 微控制器框架支持的功能接口上發(fā)生了一些重大變化。另外,這個版本通過 M-Profile Vector Extension 的處理相對更好,這是由于最大池算子的實(shí)現(xiàn)。運(yùn)算符在非重疊區(qū)域上工作以減小向量或矩陣的大小。這導(dǎo)致機(jī)器學(xué)習(xí)用例的優(yōu)化處理。

ARM 嵌入式工具高級總監(jiān) Reinhard Keil 表示:“最新的 CMSIS 版本 5.8.0 對在 Cortex-M55 處理器中實(shí)現(xiàn)的 Helium 矢量擴(kuò)展支持具有額外的性能改進(jìn)。這包括優(yōu)化 CMSIS-DSP 算法集合和用于機(jī)器學(xué)習(xí)應(yīng)用的高效神經(jīng)網(wǎng)絡(luò)內(nèi)核 CMSIS 集合?!?/p>

CMSIS 核心的啟動代碼

C 啟動代碼最初是在 CMSIS 5.6.0 中引入的,它增加了代碼的可移植性和復(fù)雜構(gòu)建的開發(fā)簡易性。CMSIS 核心中的設(shè)備啟動代碼現(xiàn)在可以直接用 C 語言編寫,這使其獨(dú)立于編譯器工具鏈。此外,CMSIS 5.8.0 的發(fā)布使 C 啟動成為設(shè)備的默認(rèn)啟動。

進(jìn)一步討論,GCC Linker Description 和 GCC Assembler startup 的更新很少。到目前為止,匯編代碼使用字節(jié)計(jì)數(shù)來進(jìn)行 BSS(由符號開始的塊)和零部分的初始化的復(fù)制/零表。另一方面,C 啟動代碼使用字?jǐn)?shù)而不是字節(jié)數(shù)。在 CMSIS 5.8.0 中,兩個啟動代碼變體都使用相同的復(fù)制/零表布局。因此,它提供了從匯編代碼到 C 啟動代碼來回切換的靈活性。

Armv8-M Assembler 啟動已更新為使用 CMSIS 5.8.0 版本的 GAS 語法。最新的 ARM 編譯器 6 支持傳統(tǒng)的 Arm Assembler(armasm),使軟件向后兼容所有設(shè)備。Arm Compiler 6 以 LLVM/Clang 為基礎(chǔ),因此較新處理器的匯編代碼需要采用 GAS 語法。

CMSIS 是一個開源項(xiàng)目

CMSIS 是 GitHub 上的一個開源項(xiàng)目。由于先前版本的實(shí)現(xiàn)在某些小點(diǎn)上使接口失敗,因此很少出現(xiàn)問題。這些問題中的大多數(shù)將在下一個版本中得到解決,但可以通過在本地技術(shù)堆棧中進(jìn)行一些更改來解決它們。您可以通過訪問CMSIS 5.8.0 版本的 GitHub 查看這些問題和修復(fù)。

該存儲庫是開源的,因此它有助于解決用戶和合作伙伴報(bào)告的潛在安全漏洞問題。它允許每個用戶訪問詳細(xì)的修訂歷史、提交細(xì)節(jié)和已知問題,這些問題可能會影響一些依賴先前實(shí)現(xiàn)的副作用的用戶。

CMSIS 中屬于軟件打包和構(gòu)建過程的其他組成部分正在轉(zhuǎn)向 Open-CMSIS-Pack 項(xiàng)目,該項(xiàng)目可以增加開發(fā)和應(yīng)用方面的更多可能性。因此,這是一個由 Arm 和 NXP、STMicroelectronics 和 Linaro 等行業(yè)合作伙伴推動的開放式治理項(xiàng)目。

審核編輯:郭婷

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。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)問題,請聯(lián)系本站處理。 舉報(bào)投訴
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

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    面向嵌入式部署的神經(jīng)網(wǎng)絡(luò)優(yōu)化:模型壓縮深度解析

    1.為什么需要神經(jīng)網(wǎng)絡(luò)模型壓縮? 神經(jīng)網(wǎng)絡(luò)已經(jīng)成為解決復(fù)雜機(jī)器學(xué)習(xí)問題的強(qiáng)大工具。然而,這種能力往往伴隨著模型規(guī)模和計(jì)算復(fù)雜度的增加。當(dāng)輸入維度較大(例如長時序窗口、高分辨率特征空間)
    的頭像 發(fā)表于 02-24 15:37 ?5535次閱讀
    面向嵌入式部署的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b><b class='flag-5'>優(yōu)化</b>:模型壓縮深度解析

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物
    的頭像 發(fā)表于 12-17 15:05 ?508次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識

    自動駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個啥?

    在自動駕駛領(lǐng)域,經(jīng)常會聽到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡稱為CNN,是一種專門用來處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理
    的頭像 發(fā)表于 11-19 18:15 ?2300次閱讀
    自動駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個啥?

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及在MCU200T上仿真測試

    數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時的梯度耗散問題。當(dāng)x&gt;0 時,梯度恒為1,無梯度耗散問題,收斂快;當(dāng)x&lt;0 時,該層的輸出為0。 CNN
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

    NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫分為多個功能,每個功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的一般化建議

    通過實(shí)踐,本文總結(jié)了構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的一般化建議,這些建議將會在構(gòu)建高準(zhǔn)確率輕量級CNN神經(jīng)網(wǎng)絡(luò)模型方面提供幫助。 1)避免單層神經(jīng)網(wǎng)絡(luò):我們清楚
    發(fā)表于 10-28 08:02

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    , batch_size=512, epochs=20)總結(jié) 這個核心算法中的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練過程,是用來對MNIST手寫數(shù)字圖像進(jìn)行分類的。模型將圖像作為輸入,通過卷積和池化層提取圖像的特征,然后通過全連接層進(jìn)行分類預(yù)測。訓(xùn)練過程中,模型通過最小化損失函數(shù)來優(yōu)化
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲器內(nèi)。 在仿真環(huán)境下,可將其存于一個文件,并在 Verilog 代碼中通過 readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    人工智能工程師高頻面試題匯總:循環(huán)神經(jīng)網(wǎng)絡(luò)篇(題目+答案)

    ,提前準(zhǔn)備一些面試常問的問題,比如概率論與統(tǒng)計(jì)知識、機(jī)器學(xué)習(xí)的那些算法,或者深度學(xué)習(xí)的框架,還有怎么優(yōu)化模型,循環(huán)神經(jīng)網(wǎng)絡(luò)等,這些都是加分項(xiàng)
    的頭像 發(fā)表于 10-17 16:36 ?932次閱讀
    人工智能工程師高頻面試題匯總:循環(huán)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>篇(題目+答案)

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    神經(jīng)元,但卻能產(chǎn)生復(fù)雜的行為。受此啟發(fā),與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比,LNN旨在通過模擬大腦中神經(jīng)元之間的動態(tài)連接來處理信息,這種網(wǎng)絡(luò)能夠順序
    的頭像 發(fā)表于 09-28 10:03 ?1646次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    問題。因此,并行計(jì)算與加速技術(shù)在神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用中變得至關(guān)重要,它們能夠顯著提升神經(jīng)網(wǎng)絡(luò)的性能和效率,滿足實(shí)際應(yīng)用中對快速響應(yīng)和大規(guī)模數(shù)據(jù)處理的需求。神經(jīng)網(wǎng)絡(luò)并行
    的頭像 發(fā)表于 09-17 13:31 ?1354次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    如何在機(jī)器視覺中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

    圖 1:基于深度學(xué)習(xí)的目標(biāo)檢測可定位已訓(xùn)練的目標(biāo)類別,并通過矩形框(邊界框)對其進(jìn)行標(biāo)識。 在討論人工智能(AI)或深度學(xué)習(xí)時,經(jīng)常會出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”、“黑箱”、“標(biāo)注”等術(shù)語。這些概念對非專業(yè)
    的頭像 發(fā)表于 09-10 17:38 ?1105次閱讀
    如何在<b class='flag-5'>機(jī)器</b>視覺中部署深度<b class='flag-5'>學(xué)習(xí)</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    FPGA在機(jī)器學(xué)習(xí)中的具體應(yīng)用

    ,越來越多地被應(yīng)用于機(jī)器學(xué)習(xí)任務(wù)中。本文將探討 FPGA 在機(jī)器學(xué)習(xí)中的應(yīng)用,特別是在加速神經(jīng)網(wǎng)絡(luò)推理、
    的頭像 發(fā)表于 07-16 15:34 ?3157次閱讀

    無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究

    摘要:論文通過對無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測,并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對電機(jī)
    發(fā)表于 06-16 22:09
    兴安县| 遵义县| 台东市| 峨山| 丰台区| 常德市| 洛浦县| 承德县| 鲁山县| 婺源县| 南京市| 龙胜| 句容市| 德清县| 四川省| 古交市| 株洲县| 清原| 上虞市| 西林县| 南川市| 吉林市| 北宁市| 如皋市| 阜宁县| 井冈山市| 大城县| 固安县| 蒲城县| 南澳县| 敦化市| 建始县| 含山县| 合作市| 维西| 教育| 汽车| 富平县| 镇远县| 安丘市| 东海县|