-
Q目前使用机器学习，是不是大多数应用都是事先通过PC或服务器训练好模型，然后搬到MCU上？这样需要优化的话就需要重新训练模型？
A 是的，如果发现模型运行效率不高 / 有未支持的操作符算子报错，那就需要PC端重新训练模型
-
QNXP适用于机器学习的芯片是那款？
A i.MX RT系列和LPC55系列是我们使用比较多的
-
Q研究机器学习的话，需要有什么要求么？比如需要擅长什么编程语言？
A Python是最流行的，OpenART项目也支持用Python快速体验和验证。嵌入式机器学习的研究可以借助OpenART、eIQ Portal工具避开很多繁琐的细节。
-
Q机器学习对MCU的要求是什么？是主频还是什么？
A要看具体的应用，主频，内存大小，代码量，输入数据接口等。
-
Q现在NXP的imxRT是不是很适合做机器学习产品呢？
Ai.MX RT是在微控制器级别的器件上提供更高算力的器件，对机器学习有优势。
-
QNXP结合自己的硬件，推荐的机器学习框架有吗。
A整体在Google Tensorflow和Tensorflow Lite for Microcontrollers，以及PyTorch, onnx格式更多一些
-
Qi.MX RT1052能实现机器学习吗，我有1052的板子。
A 1052也是可以的。SDK中有支持1052的机器学习的示例。 openart可以在1052上运行
-
Qi.MX RT系列MCU在应用机器学习时，必须要跑操作系统吗。是不跑好，还是跑系统好。感觉不跑系统是不是实时性更高。
A rtos对性能损耗可以忽略不记。看具体需求
-
Q恩智浦的MCU在机器学习上主要应用有哪些。有例程或者SDK包吗，这样能快速入手，搭建起自己的应用。
A SDK中有图像分类的，kws关键字语音识别。 openart有更完整的演示demo：人脸识别，性别识别，人体识别。可以在github 上nxp官方目录里下载
-
QLPC系列的MCU也能开发机器学习？毕竟是M4的内核主频一般也就是168Mhz，这个性能可以满足吗。比如像图像识别，会不会帧率非常低，10来秒才能识别一张图片?NXP推荐用LPC进行机器学习吗。
A 模型的伸缩性很强。可以通过降低输入图像的尺寸，减少模型通道等等来提高运算速度。小分辨率图像识别可以在200ms内完成甚至更快。 已经有基于lpc的图像识别商用方案。 还是要根据具体的使用场景来选择芯片方案
-
Q恩智浦的MCU通过机器学习，通常面向应用有哪些，能否具体举例说明下。现在机器学习很火，但一直感受不到具体应用带来的好处。
A 基于RT系列的人脸识别智能锁，关键字唤醒的语音识别模块，工业用途的异常检测模块，图像识别的智能水表。等等已经商用的方案。 未来会有更多。
-
Qi.MX RT系列芯片都可以进行机器学习吗。我理解主频越高越好吧，处理速度更快，和其他外设或资源配置有关吗。
A RT系列都可以运行机器学习。 不同的应用场景对处理器速度要求不同。 其它外设依赖主要是输入端：比如摄像头，AD采集，等等跟应用场景相关
-
Q恩智浦在控制器上的机器学习开发套件有推荐的吗，更适合新手入门的。
A OpenART最适合新手
-
Q在MCU上部署和应用机器学习，还有应用开发，是MDK开发环境就可以吗。NXP是否有自己的开发环境，还有像VScode这种支持吗。
A 用MDK和NXP的 MCUXpresso IDE都可以 VS Code可以用于辅助查看和编写代码
-
Q恩智浦针对LPC和I.MX RT系列的MCU都有SDK包和例程吗。
A 都有的。但是eIQ的示例目前还只在i.MX RT的SDK例程中提供。
- 0113召开 机电设备的高效功率变换
- 1113召开 以48V电机驱动技术引领绿色创新