마이크로칩 테크놀로지의 머신 러닝 솔루션
머신 러닝(ML)의 성능은 데이터 입력과 데이터 학습 체계에 따라 달라집니다. 또한, 처음부터 ML 학습 모델을 구축하는 것은 매우 어렵습니다. 이 기사에서는 Microchip에서 제공하는 다양한 고급 머신 러닝 모델, 제품, 시스템 및 솔루션에 대해 알아봅니다.
마이크로칩 테크놀로지 머신 러닝의 최첨단 세계를 탐험하세요. 여기서 여러분은 고급 모델을 손쉽게 생성하고 구현할 수 있는 역량을 갖추게 됩니다. 마이크로컨트롤러 유닛(MCUs)과 마이크로프로세서 유닛(MPUs) 분야를 탐구하거나 이미지 분류 및 비디오 애플리케이션을 위한 전문 도구를 찾고 있는 경우, 이 포괄적인 솔루션 세트가 여러분의 필요를 충족시켜 드립니다.
자신만의 모델 만들기
MPLAB® 머신 러닝 개발 스위트를 활용한 MCU/MPU 개발
Microchip의 MPLAB® Machine Learning Development suite와 함께 머신 러닝 여정을 시작하세요. 이 제품은 MPLAB® X IDE에 플러그인으로 매끄럽게 통합됩니다. 이 모든 것을 아우르는 솔루션은 데이터 수집부터 모델 테스트에 이르기까지 전체 과정을 간소화하며, 최종적으로 Microchip MCU/MPU에 최적화된 맞춤 지식 팩을 제공합니다.
이 정밀하게 설계된 머신 러닝 평가 툴킷은 주로 관성 측정 장치(IMU) 애플리케이션에 적합하며, 진동 및 센서 데이터 분석에 중점을 둡니다. 아래의 뛰어난 플랫폼들을 확인해 보세요:
- SAMD21G18 Arm® Cortex®-M0+ 기반 32비트 MCU를 특징으로 합니다.
- 온보드 디버거(nEDBG), ATECC608A CryptoAuthentication™ 보안 요소 IC, 그리고 ATWINC1510 Wi-Fi® 네트워크 컨트롤러를 갖추고 있습니다.
- SAMD21G18 Arm Cortex-M0+ 기반 32비트 MCU를 자랑합니다.
- 온보드 디버거(nEDBG), ATECC608A CryptoAuthentication 보안 요소 IC, 그리고 ATWINC1510 Wi-Fi 네트워크 컨트롤러를 포함합니다.
Curiosity Nano 평가 키트
자신의 모델을 가져오기
사전 학습된 DNN 모델이 있는 경우, 사용 사례에 따라 Microchip MPU 또는 FPGA를 사용할 수 있습니다.
오디오/이미지/저프레임레이트 비디오 ML 애플리케이션(MPU용):
- 표준 API를 사용하여 TensorFlow 모델을 TensorFlow Lite 모델로 변환
- MPLAB Harmony V3를 활용하여 ML 런타임 엔진(TensorFlow Lite 모델)과 주변 장치를 원활하게 통합하십시오.
저전력 및 고프레임률 비디오 애플리케이션용 (FPGA):
- 마이크로칩 FPGA는 까다로운 애플리케이션을 위한 특화된 솔루션을 제공합니다
- 사전 FPGA 설계 경험이 없어도 고수준 딥 뉴럴 네트워크를 TensorFlow Lite로 손쉽게 변환할 수 있도록 VectorBlox™ Accelerator SDK를 활용해 보세요
평가 도구 키트
시작하기
- 1단계: VectorBlox™ 소프트웨어 개발 키트(SDK)를 설치하고 프로그래머 가이드를 읽으십시오.
- 2단계: PolarFire® FPGA 또는 PolarFire SoC FPGA 제품군 중에서 선택하십시오.
- 3단계: 해당 비디오 키트를 선택하고 VectorBlox SDK 환경을 설정하기 위한 지침을 확인하려면 해당 GitHub 위치로 이동하십시오:
- 단계 4: Libero® SoC Design Suite 2023.1 다운로드
- 5단계: Libero SoC Design Suite Silver 라이센스와 CoreVectorBlox 라이센스를 생성하고 병합*합니다.
*Libero 소프트웨어 빠른 시작 가이드의 섹션 7.3을 참고하여 이러한 라이선스를 병합하는 방법을 알아보세요.
Microchip Technology와 함께 머신 러닝 작업을 가속화하십시오. 평가 키트의 강력함과 사용 편리성을 경험하고 지능형 컴퓨팅의 잠재력을 활성화하십시오.
평가 도구 키트
MCU/MPU 참조 디자인:
FPGA를 위한 참조 디자인:
추가 자료:
기사 태그
