本文是其中的一部分TechXchange：处于边缘的人工智能
NXP提供从紧凑型的Kinetis和LPC的微控制器对高性能soc的喜爱是i.MX和Layerscape应用处理器。大多数开发人员可能不知道的是，机器学习(ML)应用程序可以在所有这些平台上运行。当然，开发人员将需要相关的软件和开发工具来使其工作。这就是NXP新的eIQ框架和开发工具发挥作用的地方(见图)．
“我们早就认识到，边缘节点的处理是真正推动客户采用机器学习的因素，”微控制器高级副总裁兼总经理Geoff Lees表示，“我们创造了可扩展的ML解决方案和eIQ工具，使人工智能能力从云到边缘的转移更加容易访问和使用。”
NXP的eIQ框架和开发工具为其微控制器和应用处理器家族带来了机器学习应用程序。
NXP的eIQ旨在将ML带给每一个使用普通硬件而没有ML特定硬件加速的NXP开发人员。该解决方案利用了现有的硬件，这些硬件可以加速ML应用程序，对于图形处理或实时系统控制等其他工作也很有用。这意味着除了使用cpu外，还要使用诸如NEON gpu和dsp之类的硬件。当然，您的里程可能会有所不同，因为ML往往需要大量计算。尽管如此，即使是微控制器也可以实现经过适当伸缩以匹配系统资源的ML应用程序。
该公司正在寻找许多使用ML技术的应用和服务的黑匣子，如视觉、语音和传感器处理应用，其中深度神经网络(dnn)和卷积神经网络(cnn)用于面部识别、语音识别和异常检测等应用的干扰。eIQ框架旨在与硬件抽象层(如OpenCL、OpenVX和Arm计算库)以及推理引擎(如Arm NN(神经网络)、Android NN、GLOW和OpenCV)一起工作。
该系统将处理TensorFlow Lite、咖啡因2和PyTorch等平台的模型转换。它也将讨论其他经典的ML算法，包括支持向量机(SVM)和随机森林。
NXP正在向更特定于ML的硬件发展，同时试图支持各种现有和新的ML模型。例如，其最新的LPC5500 Cortex-M33系统就采用了MAC协同处理器。该协处理器可以加速ML和DSP功能，包括卷积、相关、矩阵运算、传递函数和滤波。对于这些类型的服务，它提供的性能是Cortex-M33核心的10倍。
阅读更多关于这个话题的文章TechXchange：处于边缘的人工智能
