色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

CMSIS 5.8.0優化機器學習應用的神經網絡和信號處理

星星科技指導員 ? 來源:嵌入式計算設計 ? 作者:Saumitra Jagdale ? 2022-08-16 09:45 ? 次閱讀

CMSIS 通過集成各種包和模塊,從軟件角度增強了嵌入式項目。它帶有一系列工具、API 和框架,可幫助嵌入式開發人員實現流暢的應用程序構建。此外,從開發的角度來看,實時操作系統和中間件組件提供了多種選擇。

CMSIS-Pack 的組織結構使其適用于劃分和克服應用程序的復雜要求。隨著 5.8.0 版本的發布,CMSIS-NN 和 CMSIS-DSP 已從復合 CMSIS 核心中分離出來,后者是 CMSIS 包的主要組件之一。這種自由裁量權允許集中開發機器學習信號處理功能,并且包的相應發布周期獨立于主要的 CMSIS 核心版本。

CMSIS-DSP 包有一些小的變化,一些 GCC 問題已通過將 DSP 包離散更新到 1.9.0 版本而得到修復。更新后的軟件包增強了對 f16 數據類型的支持,以便對接收到的數據進行有效的信號處理。此外,還從存儲庫中刪除了一些預構建的庫,以獲得更清晰的包源。

TensorFlow Lite 框架將接口機器學習本質添加到硬件應用程序中。更新后的 CMSIS-NN 包在 TensorFlow Lite 微控制器框架支持的功能接口上發生了一些重大變化。另外,這個版本通過 M-Profile Vector Extension 的處理相對更好,這是由于最大池算子的實現。運算符在非重疊區域上工作以減小向量或矩陣的大小。這導致機器學習用例的優化處理。

ARM 嵌入式工具高級總監 Reinhard Keil 表示:“最新的 CMSIS 版本 5.8.0 對在 Cortex-M55 處理器中實現的 Helium 矢量擴展支持具有額外的性能改進。這包括優化 CMSIS-DSP 算法集合和用于機器學習應用的高效神經網絡內核 CMSIS 集合。”

CMSIS 核心的啟動代碼

C 啟動代碼最初是在 CMSIS 5.6.0 中引入的,它增加了代碼的可移植性和復雜構建的開發簡易性。CMSIS 核心中的設備啟動代碼現在可以直接用 C 語言編寫,這使其獨立于編譯器工具鏈。此外,CMSIS 5.8.0 的發布使 C 啟動成為設備的默認啟動。

進一步討論,GCC Linker Description 和 GCC Assembler startup 的更新很少。到目前為止,匯編代碼使用字節計數來進行 BSS(由符號開始的塊)和零部分的初始化的復制/零表。另一方面,C 啟動代碼使用字數而不是字節數。在 CMSIS 5.8.0 中,兩個啟動代碼變體都使用相同的復制/零表布局。因此,它提供了從匯編代碼到 C 啟動代碼來回切換的靈活性。

Armv8-M Assembler 啟動已更新為使用 CMSIS 5.8.0 版本的 GAS 語法。最新的 ARM 編譯器 6 支持傳統的 Arm Assembler(armasm),使軟件向后兼容所有設備。Arm Compiler 6 以 LLVM/Clang 為基礎,因此較新處理器的匯編代碼需要采用 GAS 語法。

CMSIS 是一個開源項目

CMSIS 是 GitHub 上的一個開源項目。由于先前版本的實現在某些小點上使接口失敗,因此很少出現問題。這些問題中的大多數將在下一個版本中得到解決,但可以通過在本地技術堆棧中進行一些更改來解決它們。您可以通過訪問CMSIS 5.8.0 版本的 GitHub 查看這些問題和修復。

該存儲庫是開源的,因此它有助于解決用戶和合作伙伴報告的潛在安全漏洞問題。它允許每個用戶訪問詳細的修訂歷史、提交細節和已知問題,這些問題可能會影響一些依賴先前實現的副作用的用戶。

CMSIS 中屬于軟件打包和構建過程的其他組成部分正在轉向 Open-CMSIS-Pack 項目,該項目可以增加開發和應用方面的更多可能性。因此,這是一個由 Arm 和 NXP、STMicroelectronics 和 Linaro 等行業合作伙伴推動的開放式治理項目。

審核編輯:郭婷

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 神經網絡
    +關注

    關注

    42

    文章

    4774

    瀏覽量

    100897
  • 編譯器
    +關注

    關注

    1

    文章

    1636

    瀏覽量

    49172
  • 機器學習
    +關注

    關注

    66

    文章

    8425

    瀏覽量

    132770
收藏 人收藏

    評論

    相關推薦

    人工神經網絡的原理和多種神經網絡架構方法

    在上一篇文章中,我們介紹了傳統機器學習的基礎知識和多種算法。在本文中,我們會介紹人工神經網絡的原理和多種神經網絡架構方法,供各位老師選擇。 01 人工
    的頭像 發表于 01-09 10:24 ?108次閱讀
    人工<b class='flag-5'>神經網絡</b>的原理和多種<b class='flag-5'>神經網絡</b>架構方法

    Moku人工神經網絡101

    Moku3.3版更新在Moku:Pro平臺新增了全新的儀器功能【神經網絡】,使用戶能夠在Moku設備上部署實時機器學習算法,進行快速、靈活的信號分析、去噪、傳感器調節校準、閉環反饋等應
    的頭像 發表于 11-01 08:06 ?317次閱讀
    Moku人工<b class='flag-5'>神經網絡</b>101

    如何構建多層神經網絡

    構建多層神經網絡(MLP, Multi-Layer Perceptron)模型是一個在機器學習和深度學習領域廣泛使用的技術,尤其在處理分類和
    的頭像 發表于 07-19 17:19 ?923次閱讀

    神經網絡優化器有哪些

    神經網絡優化器是深度學習中用于調整網絡參數以最小化損失函數的重要工具。這些優化器通過不同的策略來更新網絡
    的頭像 發表于 07-11 16:33 ?640次閱讀

    神經網絡辨識模型具有什么特點

    ,可以對未知數據進行預測,具有很好的泛化能力。 自學習能力 :神經網絡通過反向傳播算法等優化算法,可以自動調整網絡參數,實現自學習。 并行
    的頭像 發表于 07-11 11:12 ?483次閱讀

    怎么對神經網絡重新訓練

    重新訓練神經網絡是一個復雜的過程,涉及到多個步驟和考慮因素。 引言 神經網絡是一種強大的機器學習模型,廣泛應用于圖像識別、自然語言處理、語音
    的頭像 發表于 07-11 10:25 ?474次閱讀

    BP神經網絡在語言特征信號分類中的應用

    Network),即反向傳播神經網絡,作為一種強大的多層前饋神經網絡,憑借其優異的非線性映射能力和高效的學習機制,在語言特征信號分類中展現出了巨大的潛力。本文將從BP
    的頭像 發表于 07-10 15:44 ?426次閱讀

    人工神經網絡模型訓練的基本原理

    人工神經網絡(Artificial Neural Networks,簡稱ANNs)是一種受生物神經網絡啟發而構建的數學模型,用于模擬人腦處理信息的方式。它在機器
    的頭像 發表于 07-05 09:16 ?705次閱讀

    人工神經網絡與傳統機器學習模型的區別

    人工神經網絡(ANN)與傳統機器學習模型之間的不同,包括其原理、數據處理能力、學習方法、適用場景及未來發展趨勢等方面,以期為讀者提供一個全面
    的頭像 發表于 07-04 14:08 ?1397次閱讀

    神經網絡優化算法有哪些

    神經網絡優化算法是深度學習領域中的核心技術之一,旨在通過調整網絡中的參數(如權重和偏差)來最小化損失函數,從而提高模型的性能和效率。本文將詳細探討
    的頭像 發表于 07-03 16:01 ?579次閱讀

    如何使用神經網絡進行建模和預測

    神經網絡是一種強大的機器學習技術,可以用于建模和預測變量之間的關系。 神經網絡的基本概念 神經網絡是一種受人腦啟發的計算模型,由大量的節點(
    的頭像 發表于 07-03 10:23 ?780次閱讀

    卷積神經網絡的原理是什么

    卷積神經網絡(Convolutional Neural Network,簡稱CNN)是一種深度學習模型,廣泛應用于圖像識別、語音識別、自然語言處理等領域。本文將詳細介紹卷積神經網絡的原
    的頭像 發表于 07-02 14:44 ?677次閱讀

    神經網絡架構有哪些

    神經網絡架構是機器學習領域中的核心組成部分,它們模仿了生物神經網絡的運作方式,通過復雜的網絡結構實現信息的
    的頭像 發表于 07-01 14:16 ?743次閱讀

    如何訓練和優化神經網絡

    神經網絡是人工智能領域的重要分支,廣泛應用于圖像識別、自然語言處理、語音識別等多個領域。然而,要使神經網絡在實際應用中取得良好效果,必須進行有效的訓練和優化。本文將從
    的頭像 發表于 07-01 14:14 ?489次閱讀

    詳解深度學習神經網絡與卷積神經網絡的應用

    在如今的網絡時代,錯綜復雜的大數據和網絡環境,讓傳統信息處理理論、人工智能與人工神經網絡都面臨巨大的挑戰。近些年,深度學習逐漸走進人們的視線
    的頭像 發表于 01-11 10:51 ?2212次閱讀
    詳解深度<b class='flag-5'>學習</b>、<b class='flag-5'>神經網絡</b>與卷積<b class='flag-5'>神經網絡</b>的應用
    主站蜘蛛池模板: 又爽又黄又粗又大免费视频| 国产A级毛片久久久久久久| 国产精品亚洲精品爽爽| 无人影院在线播放视频| 国产欧美精品一区二区三区-老狼 国产欧美精品国产国产专区 | 快乐激情网| av在线观看地址| 玩50岁四川熟女大白屁股直播| 寂寞骚妇女被后入式抽插| 91青青草原| 特级毛片内射WWW无码| 花蝴蝶免费观看影视| FREEXXX性乌克兰XXX| 香蕉免费高清完整| 妺妺窝人体色777777野大粗| 国产成人在线观看免费网站| 有人有片的观看免费视频| 日韩欧美一区二区三区在线视频| 后入式啪gif动态图| 被高跟鞋调教丨vk| 伊人久久精品AV无码一区| 色色激情网| 久久免费精品一区二区| 成人在线免费视频观看| 在线播放一区| 午夜在线视频国产极品片| 内射少妇36P九色| 国语自产视频在线| 成人免费视频在线观看| 中文字幕乱码一区久久麻豆樱花| 神马午夜不卡片| 奶头被客人吸得又红又肿| 国色天香视频在线社区| www色小姐| 岳打开双腿开始配合日韩视频| 色中色辩论区| 女教师の诱惑| 久久久久久人精品免费费看| 国产露脸150部国语对白| brazzers欧美最新版视频| 伊人久久大香线蕉无码麻豆|