Mendesain perangkat Internet of Things (IoT) berbasis sensor sederhana tidak sulit, tetapi membangun perangkat IoT dengan kemampuan pemrosesan pembelajaran mesin (ML) tepi adalah hal yang sama sekali berbeda.Seri prosesor khusus, papan pengembangan, dan perangkat lunak pendamping yang diluncurkan oleh NXP Semiconductors bertujuan untuk memecahkan tantangan utama dalam fungsionalitas, kinerja, dan pengembangan,Membantu untuk menyebarkan fungsi kecerdasan buatan (AI) yang kompleks lebih cepat dalam aplikasi industri dan IoT.
Desainer telah mulai memanfaatkan solusi AI tepi yang dapat melakukan inferensi ML pada perangkat daya rendah tanpa bergantung pada sumber daya cloud.analisis pola data sensor, dan deteksi objek dasar biasanya dapat ditangani oleh prosesor hemat energi yang menjalankan model ML (dibuat menggunakan alat dan kerangka kerja pengoptimalan model).kemacetan muncul ketika Anda mencoba untuk memperluas sumber daya prosesor untuk menangani masalah yang lebih kompleks, terutama yang membutuhkan respon real-time atau hampir real-time.
Bagaimana prosesor multi-inti secara signifikan mempercepat inferensi ML
NXP Semiconductors, dengan prosesor aplikasi seri i.MX 93, dapat dengan mudah mengatasi tantangan fungsional dan kinerja dari desain AI tepi real-time yang muncul ini (Gambar 1).
Gambar 1: Prosesor aplikasi i.MX 93 mengintegrasikan sumber daya pemrosesan, sistem keamanan, memori, dan berbagai jam, timer, opsi koneksi, dan antarmuka,meletakkan dasar untuk desain AI tepi. (Sumber gambar: NXP Semiconductors)
Seri prosesor ini mengintegrasikan fitur yang kaya, termasuk multimedia, penyimpanan, antarmuka, dan opsi koneksi, dan menggabungkan sumber daya pemrosesan yang menarik:
Hingga dua kernel prosesor aplikasi Arm Cortex-A55 berkinerja tinggi untuk tugas pemrosesan aplikasi berbasis Linux
Platform Arm Cortex-M33 bertenaga rendah untuk pengolahan kontrol waktu nyata latensi rendah
Unit pemrosesan saraf (NPU) Arm Ethos-U65 microNPU untuk pelaksanaan inferensi ML yang efisien
EdgeLock Secure Enclave (ESE) yang terintegrasi NXP menyediakan akar kepercayaan untuk boot dan manajemen kunci yang aman, enkripsi real-time, dan fitur lain yang diperlukan untuk melindungi aplikasi tepi
Dengan memanfaatkan kemampuan prosesor ini, aplikasi AI tepi besar dapat dipecah menjadi beberapa bagian yang mudah dikelola:NPU mengambil alih tugas komputasi dari algoritma jaringan saraf padat, mengurangi beban pada kernel Cortex-A55 dan menghindari preemption dari sumber kode aplikasi yang sedang berjalan.inti Cortex-M33 terus fokus pada pemrosesan low latency tugas seperti sensor data akuisisi atau kontrol proses, sementara ESE tertanam melindungi keamanan sistem, kode perangkat lunak, dan data penting sepanjang seluruh proses.Berikut ini akan memperkenalkan kemampuan NPU untuk memuat inferensi pembelajaran mesin dari inti Cortex-A55, yang merupakan dukungan kunci untuk mencapai aplikasi AI tepi responsif hampir real-time.
Bagaimana papan pengembangan perangkat keras dan perangkat lunak mempercepat pengembangan aplikasi
Meskipun fungsionalitas dan kinerja prosesor sangat penting,pengembangan yang efisien dari aplikasi AI tepi lebih bergantung pada kemampuan untuk dengan cepat memahami karakteristik prosesor dan dengan cepat membangun perangkat lunak yang efektifPapan pengembangan FRDM-IMX93 dari NXP (Gambar 2), dikombinasikan dengan sumber daya pengembangan perangkat lunak yang menyertainya, dapat menyediakan segala sesuatu yang diperlukan untuk mulai membuat aplikasi.