
与CodeFusion StudioTM和ADI硬件无缝集成
AutoML for Embedded是基于Kenning库构建的Visual Studio Code插件,旨在自然地融入开发者现有的工作流。它与CodeFusion StudioTM进行了集成,能够支持:
· ADI MAX78002 AI加速器MCU和MAX32690:将模型直接部署到先进的边缘AI硬件。
· 仿真和RTOS工作流:利用基于Renode的仿真和Zephyr RTOS,快速开发原型并进行测试。
· 通用开源工具:支持灵活的模型优化,避免平台锁定。借助详细的分步教程、可复现的流程和示例数据集,即使没有数据科学背景,开发者也能以惊人的速度将原始数据转化为边缘AI应用并完成部署。
专为开发者打造,行业巨头鼎力支持
AutoML for Embedded是ADI与Antmicro深度合作的结晶,融合了深厚的硬件技术专长与开源创新。我们致力于提供开放、以用户为中心、可扩展的工具集,加速边缘AI在各行各业的普及。
Antmicro业务开发副总裁Michael Gielda表示:“依托Kenning这一灵活的开源AI基准测试与部署框架,我们成功开发了自动化流程和VS Code插件,大幅降低了构建优化边缘AI模型的复杂度。我们端到端开发服务的核心在于,基于经过验证的开源解决方案打造高效工作流,帮助客户实现对产品的全面掌控。凭借Renode灵活的仿真能力,并与高度可配置的标准化Zepher RTOS进行无缝集成,现在已经能够使用Kenning框架中的AutoML进行透明、高效的边缘AI开发。”
工作原理:技术揭秘
AutoML for Embedded采用先进的算法,自动进行模型搜索和优化。它利用SMAC(基于序列模型的算法配置)高效探索模型架构和训练参数,并应用Hyperband和逐次减半策略,将资源集中于最有潜力的模型。同时,它会根据设备RAM来核对模型大小,确保部署顺利进行。
候选模型可利用Kenning的标准流程进行优化、评估和基准测试,并生成关于模型大小、速度和精度的详细报告,为部署决策提供重要依据。
真实应用场景:典型用例
AutoML for Embedded正在深刻改变边缘AI的开发模式。例如,在近期的一次演示中,开发者利用AutoML for Embedded,在ADI MAX32690 MCU上成功创建了面向传感器时间序列数据的异常检测模型。此模型在物理硬件和Renode数字孪生仿真平台上都进行了部署,展现出良好的无缝集成和实时性能监控能力。
其他潜在应用包括:
· 低功耗摄像头上的图像分类和目标检测
· 工业物联网传感器的预测性维护和异常检测
· 面向设备端文本分析的自然语言处理
· 体育赛事和机器人领域的实时动作识别
立即开始使用
AutoML for Embedded现已在Visual Studio Code Marketplace和GitHub上发布
Visual Studio Marketplace中的AutoML for Embedded
GitHub上的AutoML for Embedded
欢迎积极试用,分享反馈意见,与我们共塑边缘AI的未来。
有兴趣将AutoML for Embedded引入您的应用项目?我们期待与积极挖掘边缘智能潜能的客户携手合作。如果您正在开发AI应用,想要获得在嵌入式设备上优化或部署模型的相关支持,欢迎与我们联系。
敬请访问开发者门户,详细了解我们能为您的项目所提供的支持。
关于ADI公司
Analog Devices, Inc. (NASDAQ: ADI)是全球领先的半导体公司,致力于在现实世界与数字世界之间架起桥梁,以实现智能边缘领域的突破性创新。ADI提供结合模拟、数字和软件技术的解决方案,推动数字化工厂、汽车和数字医疗等领域的持续发展,应对气候变化挑战,并建立人与世界万物的可靠互联。ADI公司2024财年收入超过90亿美元,全球员工约2.4万人。ADI助力创新者不断超越一切可能。
所有商标和注册商标属各自所有人所有。
| 免责声明: 本文章转自其它平台,并不代表本站观点及立场。若有侵权或异议,请联系我们删除。谢谢! Disclaimer: This article is reproduced from other platforms and does not represent the views or positions of this website. If there is any infringement or objection, please contact us to delete it. thank you! |