-
AI模型部署優(yōu)化：資源受限設備上的TinyML模型加速策略
在邊緣智能系統(tǒng)中，TinyML模型的部署和優(yōu)化至關重要，尤其是在資源受限的設備上。這類設備通常具有有限的計算能力、內存和能源，因此優(yōu)化模型以在這些設備上高效運行變得尤為重要。本文將探討如何利用SIMD（單指令多數(shù)據(jù)）指令集優(yōu)化int8矩陣乘加運算，并討論如何通過重構計算圖實現(xiàn)神經網(wǎng)絡中的零跳轉流水，以優(yōu)化分支預測。
-
適用FPGA的小型神經網(wǎng)絡：加速邊緣智能的新篇章
在人工智能（AI）技術日新月異的今天，神經網(wǎng)絡作為其核心驅動力，正逐步滲透到各個行業(yè)與領域。然而，傳統(tǒng)的神經網(wǎng)絡模型往往受限于計算資源和功耗，難以在邊緣設備上實現(xiàn)高效運行。現(xiàn)場可編程門陣列（FPGA）作為一種高性能、低功耗的硬件加速器，為小型神經網(wǎng)絡的部署提供了理想的平臺。本文將深入探討適用于FPGA的小型神經網(wǎng)絡，以及它們在邊緣智能應用中的獨特優(yōu)勢。
-
從GenAI到PhyAI，大模型時代邊緣智能的新思考與新范式
目前全球大概約有90%的AI都運行在基于Arm架構的CPU上面。而隨著Arm在硬件、軟件和生態(tài)上的合力，以及像AFA這樣的創(chuàng)新授權模式的開啟，預計未來伴隨著端側AI的爆發(fā)，Arm的開發(fā)者陣營還會持續(xù)擴大，Arm也將會借此釋放AI前所未有的規(guī)模潛力。
-
關于深度學習、人工智能、物聯(lián)網(wǎng)你了解有多少？
想要了解“深度學習+”，我們必須回到深度學習技術在中國落地生根的歷史當中。2006年，辛頓等人意外發(fā)現(xiàn)了多層神經網(wǎng)絡帶來的全新可能性，就此將上世紀80年代已經產生的機器學習技術，推動到了深度學習的新階段，而深度學習技術在一系列AI測試任務上的優(yōu)異表現(xiàn)，也重新燃起了人們對AI的期待?？陀^來說，經歷了兩次寒冬的AI技術，能夠再次復興的核心要素就是深度學習技術的出現(xiàn)。
-
邊緣智能——提高生產力并降低成本的關鍵
提高生產力和降低運營成本，是所有企業(yè)/工廠努力追求的目標，由此引發(fā)對增強邊緣智能新技術的需求暴增。不過您可能會好奇，“邊緣是什么意思”?在ADI看來，“邊緣”是機器與現(xiàn)實世界融合或交互之地。
-
開箱評測：研華邊緣智能系統(tǒng)EI-52
無論構建什么樣的物聯(lián)網(wǎng)系統(tǒng)，都必須具備三個“必備”要素：傳感器節(jié)點、網(wǎng)關和云網(wǎng)絡。
-
研華IoT邊緣智能服務器---不僅僅是物聯(lián)網(wǎng)網(wǎng)關
集成硬件與軟件，構建邊緣到云應用 2017年，臺北–全球嵌入式計算領導廠商研華科技，繼2016年推出物聯(lián)網(wǎng)網(wǎng)關后，研華整合更多的軟件模組與服務，進一步推出EIS-Edge I
-
邊緣智能激發(fā)人工智能許多潛力
根據(jù)SAR Insight & Consulting最新的人工智能/機器學習嵌入式芯片數(shù)據(jù)庫顯示，在2019-2024年，全球支持人工智能的設備和邊緣計算的CAGR將以64.2%的速度增長。
-
毫米波技術如何為自主機器人提供邊緣智能
本文討論毫米波技術如何為自主機器人提供邊緣智能，使傳感器能夠做出實時決策，以減緩或停止機器人，并確保其在工業(yè)機器人應用中的持續(xù)性能。
-
研華IoT邊緣智能服務器---不僅僅是物聯(lián)網(wǎng)網(wǎng)關 集成硬件與軟件，構建邊緣到云應用
2017年，臺北–全球嵌入式計算領導廠商研華科技，繼2016年推出物聯(lián)網(wǎng)網(wǎng)關后，研華整合更多的軟件模組與服務，進一步推出EIS-Edge Intelligence Server——IoT邊緣智能服務器系列。
