Microchip Technology Apprentissage automatique

L’apprentissage automatique (ML) de Microchip Technology implique la sélection de kits d’outils logiciels et matériels, de conceptions de référence et de plates-formes en silicium où un environnement simplifié et facile à utiliser avec des performances avancées est nécessaire. Les algorithmes d'apprentissage automatique de Microchip Technology sont faciles à utiliser pour collecter et organiser des données, former des réseaux de neurones dans des centres de données ou mettre en œuvre une inférence optimisée à la périphérie. Le vaste portefeuille Microchip de dispositifs au silicium comprend des microcontrôleurs (MCU), des microprocesseurs (MPU) et des matrices de portes programmables sur site (FPGA). Les kits d'outils logiciels permettent l'utilisation de structures d'apprentissage automatique populaires, notamment TensorFlow, Keras, Caffe et bien d'autres couverts par le parapluie ONNX et ceux trouvés dans TinyML et TensorFlow Lite.

Le kit d’évaluation d'apprentissage automatique EV18H79A SAMD21 avec MEMS TDK à 6 axes comprend le microcontrôleur (MCU) 32 bits basé sur Arm® Cortex®-M0 + SAMD21G18avec débogueur embarqué (nEDBG), un circuit intégré à élément sécurisé ATECC608A CryptoAuthentication™ et le contrôleur réseau Wi-Fi® entièrement certifié ATWINC1510.

Le kit d’évaluation d'apprentissage automatique EV45Y33A SAMD21 avec BOSCH IMU comprend le microcontrôleur (MCU) 32 bits basé sur Arm Cortex-M0 + SAMD21G18 avec débogueur intégré (nEDBG), un circuit intégré à élément sécurisé ATECC608A CryptoAuthentification et le contrôleur réseau Wi-Fi entièrement certifié ATWINC1510.

La combinaison du matériel et des logiciels permet aux utilisateurs de concevoir diverses applications, notamment des cartes d’accélération IA hautes performances pour les centres de données, les voitures autonomes, la sécurité et la surveillance, les clôtures électroniques, les casques de réalité augmentée et virtuelle, les drones, les robots, l’imagerie satellite et les centres de communication.

Caractéristiques

Apprentissage local
- Diminution des faux positifs ou négatifs
Créer de nouvelles possibilités
- Recherche d'un modèle « difficile à voir »

Temps de développement plus rapide
- Se compte en jours plutôt qu'en mois
Précision évolutive de la prédiction

Construire un modèle personnalisé (développement MCU/MPU avec la Suite de développement MPLAB® ML) :

Démarrez un voyage d’apprentissage automatique avec la suite de développement MPLAB ML de Microchip, qui est intégrée de manière transparente comme plug-in dans l’IDE MPLAB X. Cette solution globale rationalise l’ensemble du processus, de la collecte de données aux tests de modèles/aboutissant à un pack de connaissances personnalisé pour les microcontrôleurs/microprocesseurs Microchip.