Schwerpunkte

KI und ML

»KI und ML bieten einen völlig neuen Weg zur Problemlösung«

04. April 2019, 12:00 Uhr   |  Iris Stroh


Fortsetzung des Artikels von Teil 1 .

Rasanter Fortschritt bei Open Source

Wie positioniert sich NXP im KI-Umfeld?

NXP konzentriert sich auf die Bereiche Vision, Spracherkennung und Anomalieerkennung. Das ist ziemlich breit gefächert und von oben betrachtet sind damit die meisten Anwendungen gemeint, die im Edge liegen. Das Segment Vision lässt sich in Anwendungen wie Gesichtserkennung und Objekterkennung unterteilen und kann auch die Domäne der Anomalieerkennung umfassen. Bei Spracherkennung geht es um die Keyword-Erkennung für Alexa-ähnliche Anwendungen sowie um die eingeschränkte Verarbeitung natürlicher Sprache.

Warum eingeschränkt?

Aufgrund der limitierten Speicherkapazitäten in Edge-Geräten. Und die Anomalieerkennung umfasst Anwendungen wie vorausschauende Wartung und Überwachung einer Vielzahl von Sensoren zur Erkennung normaler bzw. anormaler Umstände.

NXP ist im KI-Umfeld als führendes Unternehmen anerkannt, und zwar, weil wir KI-Anwendungen direkt aus der Sicht der Software und ergänzenden Hardware adressieren. Das heißt, der erste Bestandteil für den erfolgreichen Einsatz von KI ist ein skalierbares Portfolio von Hardwareplattformen, das den Entwicklern die Wahl zwischen Leistung, Leistungsaufnahme und Preis lässt. Die Entscheidung, ob ein ML-Algorithmus auf einem Low-End-Controller oder einem High-End-Anwendungsprozessor läuft, wird durch die akzeptable Inferenzlatenz und den Speicherbedarf bestimmt. Der zweite wichtige Bestandteil für KI ist die Software. Deshalb haben wir uns dafür entschieden, im Rahmen unserer eIQ-Entwicklungsumgebung für maschinelles Lernen eine Vielzahl von Open-Source-Optionen anzubieten. Es hat sich gezeigt, dass proprietäre Lösungen für maschinelles Lernen nie mit dem rasanten Fortschritt, den wir bei Open Source erleben, mithalten können. Daher wollen wir die Nutzung von Open-Source-Optionen wie TensorFlow Lite, GLOW, Arm NN und anderen ermöglichen und bei Bedarf spezifische Optimierungen vorzunehmen, um wettbewerbsfähigere Ergebnisse zu erzielen.

Welche Möglichkeiten bietet eIQ genau?

Auf Basisebene ist eIQ eine Sammlung von Open-Source-Technologien für ML-Anwendungen. Zu diesen Technologien gehören Runtime-Engines wie TensorFlow und TensorFlow Lite, Netzwerk-Parser und dedizierte Inferenz-Engines wie Arm NN sowie die Unterstützung von Bibliotheken wie OpenCV. Diese Technologien können alle aus Quellen wie Github bezogen werden, aber eIQ von NXP vereinfacht die Nutzung dieser Technologien deutlich, liefert detaillierte Dokumentationen und integriert sie in unsere Entwicklungsumgebungen: MCUXpresso für die MCUs und Yocto/Linux für die i.MX-Anwendungsprozessoren.

Seite 2 von 3

1. »KI und ML bieten einen völlig neuen Weg zur Problemlösung«
2. Rasanter Fortschritt bei Open Source
3. Schnelle Entwicklung bei KI...

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Das könnte Sie auch interessieren

Qualcomm schließt neues Gebot für NXP aus
Der Halbleiterbedarf wächst – so oder so
NXP ernennt Lars Reger zum CTO
Übernahmewelle im Halbleitersektor läuft aus
Die Gewinner der Kategorie »Aktive Bauelemente«
Der Wettkampf der autonomen Mini-Flitzer

Verwandte Artikel

NXP Semiconductors Germany, XILINX GmbH, Microsoft Deutschland GmbH