-
Q这个需要电脑多少位以上才能通畅运行
A目前的2000元以上电脑应该都能运行PC端的开发工具。
-
Q恩智浦微控制软件使用几位控制器？
A32位
-
QeIQ需要根深的python功底吗？
AeIQ Portal工具是基于图形界面的，不需要很深的python功底，而如果想要更深层次的进行模型的设计与开发， 需要掌握一些基础的python语法 / python第三方库的使用，比如numpy，keras等机器学习相关库
-
Q一般都会带中文助译么，会给予那些帮助
A 可以使用浏览器的翻译或者有道字典，office的翻译功能
-
QEIQ软件对于硬件加速相对于其他软件有什么优势和特点？
A eiq是pc上运行的模型训练工具，主要使用tensorflow训练模型。支持显卡加速主要是nvdia系列 优势特点就是简单易用，集成度高。
-
Q恩智浦嵌入式机器的学习方案主要涉及哪些应用场合？
A 本视频里有提到，以视觉，语音，传感器数据分析为主
-
Q微控制器机器学习是否也有哪些最低门槛呢？
A可以重点考虑i.MX RT和LPC55系列
-
QNXP支持深度学习有哪些芯片？
A 重点考虑i.MX RT和LPC55系列。更一般地，考虑M4/M7/M33内核的。
-
Q哪些主控支持机器学习？
A 重点考虑i.MX RT和LPC55系列。更一般地，考虑M4/M7/M33内核的。
-
Q是否有机器学习的硬件加速器？
A 目前还没有独立的加速器
-
QNXP的机器学习应用在自动驾驶领域是否符合功能安全？
A 需要参考具体型号的规格说明来判断
-
Q主要是一些图像处理的机器学习吗？
A 图像处理对算力的要求最高，也是i.MX RT系列性能输出的优势
-
Q微控制器技术机器是什么？
A 是基于微控制器技术的机器学习
-
Q模型等功能是否会进行二次收费？
A NXP的资源除非有明确说明都没有二次收费
-
Q恩智浦的机器学习方案可以提供哪些参考例程？
A SDK中主要是图像分类：cifar10，语音关键字识别：kws等。openART提供复杂的基于python实现的demo：人脸识别，人体识别，性别识别等。
-
Q对编译的环境和编译工具有什么要求？
A MDK, MCUXpresso IDE (GCC), IAR cmake, makefile等
-
QMCU可以用于AI产品 ? 计算能力够吗?
A 视频里介绍了一些示例以及降低算力要求的方法
-
Q在学习过程中如果出现一些工艺错误，会自动进行判定吗
A 一般需要人工干预调整参数
-
Q目前贵司方案主要用于哪些AI应用?
A 视频里提到的示例都有
-
QNXP的机器学习函数算法及其他算法提供技术支持吗
A nxp的机器学习支持推理引擎也是基于开源技术。我们会提供技术支持。
- 0425召开 采用革命性的栅极驱动器技术简化并加速高功率 GaN 和 SiC 系统的实现
- 0306召开 适合物联网和可穿戴设备的“小型锂离子二次电池”