EMB_81

SOFTWARE | MACHINE LEARNING EMBEDDED SETTEMBRE 58 ture di deep learning come PyTorch, i compilatori di reti ML/neurali assicurano ottimizzazioni che accelerano l’inferenza su una vasta gamma di piattaforme hardwa- re. Facebook, il principale pioniere di PyTorch, ha intro- &';V 3 , " lowering compiler”) come progetto comunitario open source, con l’obiettivo di fornire ottimizzazioni per acce- 3 À di oltre 130 collaboratori in tutto il mondo. Il compilatore 3 - À & Innanzitutto, esso ottimizza gli operatori e i livelli del modello utilizzando tecniche di compilazione standard. Nella seconda fase terminale della compilazione del 3 basso livello (LLVM) per consentire ottimizzazioni spe- À 3 , 7+- À necessari per ridurre il numero di calcoli e minimizzare F 7+ ideale per l’esecuzione su una MCU di destinazione con risorse di memoria limitate. I tool di apprendimento au- 3 À lo sviluppo delle reti ML/neurali e migliorare le presta- zioni di elaborazione a bordo rete su MCU a basso con- 0 3 3 . À Á modelli di reti neurali per le principali architetture di 28 28D # À D0 (˜# 3 %F proprio SDK MCUXPresso, che combina il compilatore 3 all’uso, insieme a una documentazione dettagliata per aiutare gli sviluppatori a far funzionare rapidamente i F 3 28D O4# . : 9 - , e fornisce ottimizzazioni a livello di À D C D˜ E+ C %: E8;' modello di rete neurale, NXP ha recentemente testato la MCU i.MX RT1060 per valutare le differenze di presta- 3 (˜# ha inoltre eseguito test sulla MCU i.MX RT685, attual- mente l’unico dispositivo della serie i.MX RT con un DSP integrato ottimizzato per l’elaborazione degli operatori di rete neurale. Il dispositivo i.MX RT1060 contiene un 28DW A'' D. ; DU 4E D a funzioni ottimizzate per applicazioni in tempo reale 3#%7 (8:O - ( (OR(7ER#4E D 0 D˜ E+AV= O4# . : 9 + A'' D. 28D<< <'' D. 9 = DU 4E D 0 3 (˜# - neata con la libreria di reti neurali di Cadence, NNLib. 4 O4# . : 9 D C E+AV= - gettato per migliorare l’elaborazione vocale, esso è an- che in grado di accelerare una vasta gamma di operatori di reti neurali, se utilizzato con la libreria NNLib come 005D 3 # - breria CMSIS-NN, NNLib fornisce un set più completo O4# . : 9