<sup id="oewps"><pre id="oewps"><sub id="oewps"></sub></pre></sup>
    <div id="oewps"></div>

      <div id="oewps"><ol id="oewps"></ol></div>

      Arm推出下一代Armv8.1-M架构:为最小型嵌入式设备提供强化的机器学习和信号处理能力

      发布时间:2019年02月15日 17:02    发布者:eechina
      关键词: Helium , Armv8.1-M , 机器学习
      Arm针对其下一代Armv8.1-M架构推出基于M-Profile Vector Extension (MVE)矢量扩充方案的Arm Helium技术。这一全新技术能够帮助开发者简化软件开发流程,并显著提升未来Cortex-M系列处理器的机器学习能力与信号处理性能。

      业界正在加速推动创建一个拥?#22411;?#20159;互联设备的世界,而要实现这一愿景,我们必须?#19994;?#34892;之有效的方法来扩展网络边缘众多受限设备的计算能力。通过提升这些设备的计算能力,开发人员能够直接为设备编写机器学习(ML)应用程序,并在设备本地实现自主决策,从而在提高数据安全性的同时,降低网络能耗、延迟和带宽使用量。

      为达成这一目标,Arm推出Arm Helium技术,该技术针对Arm Cortex-M系列处理器设计,在Arm TrustZone的安全基础上,通过M-Profile Vector Extension矢量扩展加强Armv8.1-M架构的计算性能。Helium将为未来的Arm Cortex-M系列处理器提供高达15倍的机器学习性能提升和高达5倍的信号处理性能提升,消除因性能挑战造成的对?#32479;?#26412;、高能效设备的使用限制,从而为我们的合作伙伴带来全新的市场机遇。

      下一级计算性能

      先进的数字信号处理(DSP)可通过 Arm Neon 技术扩展至更多Cortex-A架构组件?#23567;?#38024;对功能受限的应用,Arm还在其较高性能的Cortex-M处理器系列(包括Cortex-M4、Cortex-M7、Cortex-M33以及Cortex-M35P)中加入DSP扩展方案。这两种技术都可用来加速特定应用的机器学习计算。

      针对功能最为受限的嵌入式系统,功耗效率是优先考虑的因素,以往的解决方案将Cortex处理器搭配SoC芯片内的DSP处理器,但是这种作法也增加了硬件与软件设计的复杂性。当我们希望在这些设备上集成更多机器学习功能时,现有的SoC开发挑战将变得更加突出,因此在运用不同的工具?#30784;?#32534;程、调试以及使用各种复杂的专有安全解决方案时,需要开发人员拥有更高水平的专业知识。

      搭载Helium技术的Armv8.1-M 架构能克服上述难题,不仅能够提供实时控制程序代码、机器学习与DSP执行能力,而且效率丝毫不减。由此,数百万软件开发人员将能够运行各种DSP功能,安全无虞地扩展各种智能程序到种类更广泛的设备,强化对三种关键类别新兴应用的信号处理支持:震动和运动、语音和声音、以及视觉和图像。新一代搭载了Helium技术的Cortex-M架构SoC将改进未来各种设备的用户体验,包括传感器中枢设备(sensor hub)、可穿戴设备、音频设备、工业应用等。

      除提升性能、降低开发成本之外,SoC设计和开发团队还将立即获得以下优势,包括:

      •        通过功能整合,优化成本、功耗以及设计投入
      •        利用 Armv8.1-M的设计遵循平台安全架构(PSA)规范的特点,实现简化的TrustZone部署
      •        单一工具链涵?#24378;?#21046;与信号处理软件的开发
      •        简化的软件开发,得益于成熟的 Helium生态系统所提供的完善的工具、模型和库,其?#34892;?#22810;资源已被Cortex-M开发者广为使用

      简化软件开发流程

      由于Helium拥?#22411;?#19968;的工具?#30784;?#24211;和模型,软件开发将变得更加简单。 Helium工具?#31383;?#25324;Arm Development Studio,涵盖Arm Keil MDK、Arm模型(开发人员可立?#35789;?#29992;,用于代码建模)和各种软件库,包括CMSIS-DSP和CMSIS-NN,?#24066;?#24320;发人?#22791;?#25454;他们的需求选择最合适的资源。对于信号处理应用,我们通过消除对专用DSP或功能加速器的需求以及免去了一层设计复杂性,使之更加简化。

      驱动下一代嵌入式和物联网设备

      Helium将Arm Project Trillium计划的价值带到各种机器学习应用中,让框架与库的支持能力向下延伸到硬件层面。由于SoC开发者必须在不同的性能、芯片面积、功耗以及成本等限制下开发适合的方案,因此没有单一的产品能满足所有应用的需求。

      我们现已推出Helium专属的工具链与模型,预计在未来2年各伙伴厂商将陆续推出采用Helium技术的芯片。欲了解Armv8.1-M架构的各项强化功能,请参考技术白皮书。欲了解如何利用支持Helium的Arm工具展开设计,请浏览此网页
      欢迎分享本文,转载请保留出处:http://www.64440652.com/thread-560396-1-1.html     【打印本页】
      您需要登录后才可以发表评论 登录 | 立即注册

      厂商推荐

      相关文章

      相关视频演示

      关于我们  -  服务条款  -  使用?#25913;?/a>  -  站点地图  -  友情链接  -  联系我们
      电子工程网 © 版权所有   京ICP备16069177号 | 京公网安备11010502021702
      回顶部
      11选5出号精准规律
      <sup id="oewps"><pre id="oewps"><sub id="oewps"></sub></pre></sup>
      <div id="oewps"></div>

        <div id="oewps"><ol id="oewps"></ol></div>
        <sup id="oewps"><pre id="oewps"><sub id="oewps"></sub></pre></sup>
        <div id="oewps"></div>

          <div id="oewps"><ol id="oewps"></ol></div>