Новости по тегу Искусственный интеллект, страница 1 из 1

Знакомство с пакетом расширения X-CUBE-AI для реализации искусственного интеллекта. Часть 2

Перед вами вторая часть руководства с методическими указаниями по созданию законченного проекта с элементами искусственного интеллекта (ИИ) на базе микроконтроллеров семейства STM32. В руководстве описан пакет расширения X-CUBE-AI, полностью интегрированный в среду разработки STM32CubeMX. Также в данном руководстве описываются дополнительные тестовые приложения, предназначенные для оценки корректности работы (валидации) и определения производительности нейронной сети.

Введение в Искусственный Интеллект

Перевод опубликованной на портале element14 статьи даст представление об основах искусственного интеллекта, принципах машинного обучения и возможном использовании этой технологии.

Знакомство с пакетом расширения X-CUBE-AI для реализации искусственного интеллекта. Часть 1

Перед вами перевод руководства с методическими указаниями по созданию законченного проекта с элементами искусственного интеллекта (ИИ) на базе микроконтроллеров семейства STM32.

Самый маленький  AI суперкомпьютер для встраиваемых приложений и новейших систем

Система на модуле в форм-факторе SODIMM-260 размером 45x69.6 мм с 6-ядерным 64-битным NVIDIA Carmel ARM®v8.2 CPU и 384-ядерный NVIDIA Volta GPU с 48 тензорными ядрами, с оперативная памятью 8 ГБ LPDDR4x@1600 МГц с пропускной способностью до 51,2 ГБ/с и пр. SoM сочетает в себе исключительную производительность и энергопотребление с малыми размерами и богатым набором линий ввода-вывода и позволяет использовать его для широкого спектра встраиваемых устройств и приложений искусственного интеллекта.

Как запустить модель Keras на Jetson Nano

Статья содержит руководство по подготовке модели Keras к запуску на Jetson Nano и последующим распознаванием изображений. Подготовленные модели позволят быстро протестировать возможности этого микрокомпьютера.

Начало работы с NVIDIA Jetson Nano

В руководстве доктора наук (PhD) Адриана Роузброка, специализирующегося на вопросах разработки алгоритмов обработки изображений и машинного обучения, подробно рассмотрены практические вопросы решения таких задач, как обнаружение и классификация объектов на основе бюджетного AI высокопроизводительного компьютера Jetson Nano от компании NVIDIA и предварительно установленных сценариев. В частности, рассмотрены вопросы установки системных пакетов, настройки среды разработки, установки открытой нейросетевой библиотеки Keras и библиотеки для машинного обучения TensorFlow на Jetson Nano и пр.

Комплект разработчика Jetson Nano Developer Kit

Небольшой высокопроизводительный компьютер для систем искусственного интеллекта, который позволяет параллельно запускать несколько нейронных сетей для таких приложений, как классификация изображений, обнаружение объектов, сегментация и обработка речи. В основе  изделия система на модуле (SoM) cо 128-ядерным графическим процессором NVIDIA Maxwell, 4-ядерным  ARM Cortex-A57@1.43ГГц процессором, оперативной памятью 4 GB 64-bit LPDDR4 25.6 GB/s и слотом для microSD для установки образа Linux и хранения файлов проектов. Модуль обеспечивает производительность до 472 Gflops. Изделие предназначено для  разработчиков встраиваемых систем, исследователей, студентов и всех, кто увлечен техническим творчеством.

Перспективные системы искусственного интеллекта требуют большей мощности

Интеллектуальное цифровое управление в сочетании с высокопроизводительными каскадами электропитания решают задачи по увеличению плотности мощности, что в первую очередь необходимо для процессоров с новой архитектурой. Например, это мультифазные цифровые контроллеры и силовые каскады серии OptiMOS производства Infineon.

Импульсные нейронные сети на примере SNN-технологий от компании BrainChip

В настоящий момент наблюдается рост интереса к нейронным технологиям, что приводит к их дальнейшему развитию. В частности появляются практические реализации импульсных нейронных сетей (SNN), которые по своему потенциалу превосходят ставшие традиционными сверточные нейронные сети (CNN). В данной статье проводится краткий обзор SNN-технологий от компании Brainchip.

Кратко о том, как работают нейропроцессоры на примере NM500 от NeuroMem

В статье кратко рассказывается об истории нейропроцессоров, раскрываются различия между нейропроцессорами и процессорами с традиционной архитектурой, анализируются основные принципы работы и обучения нейропроцессоров на примере микросхемы NM500 от NeuroMem.

Совсем как живой! Нейроморфный процессор CM1K от NeuroMem

Несмотря на все достижения современных процессоров, самой универсальной вычислительной системой остается человеческий мозг. Компьютеры быстрее считают, быстрее решают логические задачи, да и вообще быстрее справляются с любыми другими формализованными задачами, но когда дело доходит до неких нестандартных ситуаций, то обычный компьютер оказывается бессильным, в отличие от нашего серого вещества. Именно человеческий мозг вдохновил инженеров на создание нейрокомпьютеров. Конкретным результатом таких разработок стал нейроморфный процессор CM1K от NeuroMem.

Сравнение позиций

  • ()