Image
恩智浦微控制器技术机器学习方案总览 2022-06-07 10:00:00
  • Q如何才能提高学习的准确率

    A高质量数据集,数据增强,充分地训练,更大规模的模型(会需要更多内存与算力)

  • Q异常检测是否也有哪些局限?

    A AI模型没有完美的,是在精度与要求之间权衡。异常检测只能知道有没有异常,不区分异常种类。

  • Q学习嵌入式机器是Python和C/C++两者具备,还是只需其中之一即可开发?

    A两者兼备,Python是PC端主要用于模型的定义/训练/测试,而C/C++用于模型的部署到MCU端

  • Q恩智浦微控制器宜从哪个平台上优选?

    A建议先从NXP官网了解一下产品型号的主要特征,有机会再和分销商和网络研讨会,B站账号(视频中提到)查看相关的推文和视频。对于机器学习,主要考虑i.MX RT和LPC55

  • Q是不是在学习的过程中也会增加对任务的判定指令

    A 需要在开始机器学习工作流程之前判定任务的类型。模型本身就是一个数学函数

  • Q恩智浦微控制器技术机器学习方案中所需的语言种类有哪些?

    A 主要是Python和C/C++

  • Q机器学习的芯片需要什么的性能才能胜任?

    A 看具体的使用场景。图像识别需要很高的性能,异常检测在很低端的芯片都可以运行。

  • Q机器学习的训练是在哪个平台进行,本身行吗?

    A 训练需要在PC上进行,mcu不支持训练

  • Q机器学习可以自己训练自己可以吗?

    A 模型训练在pc上进行。mcu不支持训练

  • QNXP需要单独的专用开发平台吗来进行?

    A 虽然不必需,但是NXP打造的专用开发平台会使开发更方便易上手,尤其是MCUXPresso Config Tool, eIQ Portal, OpenART,强烈建议使用

  • Qi.MX RT1xxx和LPC55系列哪个更适合机器学习?

    A i.MX RT1xxx更适合对算力需求比较大的机器视觉,LPC55更适合微型机器视觉和语音唤醒、传感器数据分析

  • Q在那里可以下载相关的比较详细的技术资料和学习资料。。

    A下载视频对应的讲稿,里面有很多有用的链接

  • Q机器学习相比传统的控制算法有哪些优缺点?

    A优点:免去手动算法设计的麻烦,机器自己通过经验数据进行学习,达到相应的控制效果 缺点或是难点:经验数据的获取,以及在算法运行所需要的资源消耗上比起传统算法会有劣势

  • Q恩智浦微控制器技术机器可以运行那些系统,主要是哪个?

    A 不需要操作系统,如果项目中需要使用可以根据其它约束条件选择

  • QNXP的机器学习算法是开源的吗?还是只提供库的形式?

    A 解决方案不开源。其它的模型设计和设备端支持软件基本开源,即使是以库的方式使用也只是为了便于发行和编译。PC端工具一般不开源

  • Q只会用C语言可以学会这方面的知识?

    A 那样会缺乏一些自由度,主流的一些PC端的模型训练框架都是基于Python的,不过,可以使用网上一些模型训练服务,直接拿到模型

  • Q嵌入式机器采用的语言有几种?哪个最合适

    A 机器学习在微控制器做产品的代码编写上上以C和C++为主。用于学习和快速模型评估可以使用OpenART,它支持使用Python快速迭代。

  • Q机器学习可以有听觉吗?视觉见过了

    A 必须可以有啊,比视觉的算力要求要低,但是需要良好的数据预处理,包括滤波、时频变换。

  • Q基础实例是否是经过训练的结果?

    A 必须经过训练后,模型才可以使用。有一些预训练的公版模型可以在OpenART里快速体验

  • Q能否把NXP训练好的机器学习的相关参数直接用到自己的应用中?还是说需要自己训练?

    A 如果自己的应用刚好和训练好的模型所使用的数据高度一致(尤其是像人脸、人体之类的应用),就可以直接使用。如果不一致就需要重新训练,但是仍然可以使用迁移学习(eIQ Portal支持)来减少对数据集数量和训练强度的要求。