机器学习 (ML) 正成为嵌入式设计人员开发或改进各种产品的标准要求。为满足这一需求,Microchip Technology Inc.(美国微芯科技公司)近日推出了全新的MPLAB® 机器学习开发工具包,提供一套完整的集成工作流程来简化机器学习模型开发。这款软件工具包可用于Microchip的各类单片机 (MCU) 和微处理器 (MPU) 产品组合,助力开发人员快速高效地添加机器学习推理。
Microchip开发系统业务部副总裁Rodger Richey表示:“机器学习是嵌入式控制器的新常态,与依赖云通信进行处理的系统相比,在边缘利用机器学习可使产品更高效、更安全、功耗更低。Microchip独特的集成解决方案专为嵌入式工程师设计,是首款不仅支持32位MCU和MPU,还支持8位和16位器件的解决方案,可实现高效的产品开发。”
机器学习通过使用一套算法,从大型数据集中分析和生成模式,以支持决策。与人工处理相比,机器学习通常更快、更容易更新和更准确。Microchip客户可以利用这套新工具,启用预测性维护解决方案,以准确预测各种工业、制造、消费和汽车应用中所用设备的潜在问题。
MPLAB 机器学习开发工具包可帮助工程师构建高效、小尺寸的机器学习模型。在 AutoML 的支持下,该款工具包消除了许多重复、繁琐和耗时的模型构建任务,包括提取、训练、验证和测试。它还提供了模型优化功能,以满足MCU和MPU的内存限制要求。
当与 MPLAB X 集成开发环境 (IDE)结合使用时,新工具包可提供一个完整的解决方案,几乎没有任何机器学习编程知识的人员也能轻松实施,从而节省了聘请数据科学家的成本。同时,它也具备先进功能,能满足经验丰富的机器学习设计人员的需求。
Microchip还提供从TensorFlow Lite中提取模型并将其用于任何MPLAB Harmony v3项目的选项。MPLAB Harmony v3是完全集成的嵌入式软件开发框架,提供灵活、可互操作的软件模块,以简化增值功能的开发,缩短产品的上市时间。此外,VectorBlox™ Accelerator 软件开发工具包(SDK)利用 PolarFire® FPGA 提供了基于卷积神经网络 (CNN) 的最节能的人工智能/机器学习(AI/ML)推理功能。
MPLAB 机器学习开发工具包提供了必要的工具,旨在设计和优化运行机器学习推理的边缘产品。请访问Microchip 机器学习解决方案页面,了解更多有关利用Microchip直观的机器学习工具简化开发流程、降低成本并加快产品上市时间的信息。
供货与定价
价格因许可情况而异。MPLAB 机器学习开发工具包有免费版本可供评估。如需了解更多信息或购买,请访问Microchip直销网站www.microchipdirect.com或与您当地的Microchip销售代表联系。
资源
可通过Flickr或联系编辑获得高分辨率图片(欢迎自由发布):Flickr link
Microchip Technology Inc. 简介
Microchip Technology Inc.是致力于智能、互联和安全的嵌入式控制解决方案的领先供应商。其易于使用的开发工具和丰富的产品组合让客户能够创建最佳设计,从而在降低风险的同时减少系统总成本,缩短上市时间。Microchip的解决方案为工业、汽车、消费、航天和国防、通信以及计算市场中12万5千家客户提供服务。Microchip总部位于美国亚利桑那州Chandler市,提供出色的技术支持、可靠的产品交付和卓越的质量。详情请访问公司网站www.microchip.com。
好文章,需要你的鼓励
随着谷歌搜索和亚马逊主页在电商领域影响力下降,AI助手如ChatGPT、Claude等成为消费者新的购物入口。品牌必须掌握生成式引擎优化(GEO)技术才能保持可见性。传统SEO策略已失效,AI系统更青睐结构化、问答式的高质量内容。研究显示,来自AI助手的流量转化率比其他渠道高9倍。品牌需要基于真实客户问题创建内容,采用结构化问答格式,并建立信任度,才能在这个新的电商秩序中脱颖而出。
斯坦福大学研究发现,主要用英语训练的大型语言模型竟能自发学会处理其他语言任务,无需明确教学。这种跨语言迁移能力随模型规模增大而显著提升,通过形成"通用语义空间"实现不同语言间的知识迁移。研究为降低多语言AI开发成本、支持资源稀缺语言提供了新途径,但仍面临性能不均衡、文化适应性等挑战。
2025年第一季度网络攻击激增126%,英国新法案要求数据中心强制报告网络安全事件。现代威胁已演变为同时攻击IT和OT系统,而许多数据中心的备用电源系统仍使用90年代的过时技术。电池储能系统(BESS)通过分布式架构、加密通信和自主运行能力提供网络弹性防护。BESS即服务模式将网络安全维护转移给专业提供商,同时通过需求响应和能源套利创造收益。随着全球法规要求将网络安全与能源安全相结合,数据中心需要现代化基础设施来应对日益严峻的威胁环境。
阿姆斯特丹大学与Salesforce合作开发的奖励引导推测解码(RSD)技术,通过让小模型处理简单任务、大模型解决复杂问题的智能分工,在保持推理准确率的同时大幅提升计算效率。该技术在数学推理等任务中表现出色,计算量最多可减少75%,为AI应用的普及和成本降低提供了重要技术支撑。