物联网机器学习

将机器学习引入物联网应用可减少带宽要求、节省电能,并提高设备做出更明智决策的能力。Silicon Labs 的所有无线 SoC 均支持机器学习,由此通过 MVP(矩阵向量处理)增强了其加速速度并可降低功耗,从而解锁了大量的新用例。

将机器学习引入物联网

Silicon Labs 正在重新定义物联网与机器学习交叉领域的可能性,助力打造更智能、响应更快、效率更高的边缘设备。我们的平台整合了尖端硬件与开发工具,加速从智能家居到工业自动化等物联网机器学习应用的创新进程。

  • 与无线 SoC 集成:业界最丰富的无线解决方案组合,结合机器学习赋能物联网边缘设备。
  • 深度学习神经网络:为高级物联网机器学习应用提供更快速、更精准的深度学习能力。
  • 丰富的开发工具集:为探索者和专业人士设计的端到端物联网机器学习工具链,加速智能互联产品的开发。
  • AI/ML 硬件加速器:推理速度提升高达 8 倍,能耗仅为原来的 1/6,降低物料清单 (BOM) 成本与设计复杂度

物联网机器学习产品入门指南

我们的无线 SoC 内置矩阵向量处理器 (MVP),为物联网机器学习提供硬件加速,支持在边缘直接进行快速、低功耗推理。非常适合需要实时设备端智能的智能互联设备。

机器学习软件开发工具包 (ML SDK):简化物联网开发中的机器学习实现流程

Silicon Labs ML SDK 将机器学习引入物联网设备,无缝集成到 Simplicity Studio
中,并基于行业标准的 TensorFlow Lite Micro 框架构建。

工作原理:
 

自带模型 (BYOM):可从您自己的 TensorFlow Lite 模型入手,或与我们的 AI/ML 合作伙伴协作,打造专为您的物联网应用场景定制的模型。

无缝集成:安装 Silicon Labs SDK 时只需添加该 AI/ML SDK 扩展,然后将模型拖放到项目的配置文件夹中即可直接集成。

自动优化: 从模型转换到部署,该 SDK 全程为您处理优化与硬件加速工作,让物联网中的机器学习实现比以往更简单。



物联网机器学习核心工具:

Flatbuffer 转换器

快速将 .tflite 模型转换为可部署的头文件 —— 只需将模型放入项目的配置文件夹,即可立即使用。

模型性能分析器

预估模型在您的物联网目标设备上的内存占用和运行时性能,以便在部署前对模型进行微调。

模型 MVP 编译器

该编译器直接集成在 Simplicity Studio 中,可优化执行效率,管理内存布局、权重分页和调度,实现高效的边缘推理。

即用型演示

探索针对语音、手势、声学和基于传感器的识别的预制演示示例 —— 展示机器学习在物联网实际应用中的强大功能。

想要了解更多?可在此处找到更多 AI/ML 软件文档。需要模型开发支持?与我们的合作伙伴协作,打造专为您的应用场景定制的模型。

物联网机器学习开发工具入门指南

借助我们的开发套件和工具链,开启您的物联网机器学习之旅。直接运行开箱即用的演示示例、评估模型性能并构建定制化物联网机器学习应用 —— 所有操作均在为边缘人工智能 (Edge AI) 优化的硬件上完成。

机器学习应用示例入门

探索物联网机器学习如何在各类应用中实现实时智能 —— 从语音和音频检测到传感器信号处理及低分辨率视觉识别。这些应用场景展示了设备端人工智能如何赋能更智能、响应更快、效率更高的边缘解决方案。

观看每个演示示例的实际运行效果,并学习如何使用 Silicon Labs 硬件和开发工具进行构建。

传感器信号处理是使用低数据速率传感器,包括加速度计、陀螺仪、空气质量传感器、温度传感器或压力传感器。这样可以延长机器生命周期、避免停机,并通过预防性维护降低成本。

音频模式匹配使用麦克风来检测各种非言语相关的声音,包括轴承吱吱作响的声音、玻璃破碎的声音或流水声。这些功能可以通过玻璃破碎检测器、尖叫声和枪声检测来增强居家安全性。

语音命令是音频模式的特定子集,用于识别单个单词,有时也称为关键词识别。通过 AI/ML 关键字检测开启/关闭灯光,让智能家居响应更灵敏。

通过对象检测、存在检测、人数统计等唤醒功能,让智能设备“看到”设备。

与我们的 AI/ML 物联网合作伙伴携手启程

与值得信赖的 AI/ML 合作伙伴协作,加速您的物联网机器学习开发进程。这些经过严格筛选的设计服务提供商可在 Silicon Labs SoC 上提供定制化解决方案或可直接部署的模型,帮助您简化开发流程并缩短上市时间。

Edge Impulse 是前沿的嵌入式机器学习开发平台,对开发人员免费开放,全球超过 1,000 家企业都在使用该平台。

SensiML 开创的软件工具能够简化对物联网传感器应用的 TinyML 代码开发。

Sensory Inc. 通过广泛部署在消费电子应用中的视觉和语音技术,打造更安全、更卓越的用户体验。

MicroAI™ 是终端设备上的人工智能和机器学习引擎,直接安装在设备中。

Eta Compute 是一支拥有人工智能、物联网和系统设计 DNA 能力的专家团队,致力于解决高级机器学习算法面临的复杂难题。

EdgeAI 基金会荣誉成员

从这里开启您的物联网机器学习开发之旅。

物联网机器学习常见问题

对物联网机器学习有疑问?本节介绍与使用 Silicon Labs 硬件在物联网设备中构建 ML 相关的常见主题,如电源使用、部署和工具。

物联网中的机器学习是指在联网设备上直接运行训练好的模型,处理来自传感器、麦克风和摄像头的数据 —— 支持语音识别、视觉处理、异常检测等场景的实时决策,且全程无需依赖云端。

如果使用 Silicon Labs 的矩阵向量处理器 (MVP) 等硬件加速器,在物联网设备上运行机器学习模型反而能降低功耗。对于矩阵运算等计算密集型任务,与在 CPU 上运行相同模型相比,MVP 的推理速度最高可提升 8 倍,能耗最高可降低 6 倍,在处理大规模工作负载时效果尤为显著。这使得 CPU 可处于闲置或休眠状态,从而提升整体能效。

不需要,在物联网设备上运行机器学习无需联网。借助设备端推理和硬件加速功能,模型可在边缘端本地处理数据 —— 从而实现快速、可靠且隐私安全的物联网机器学习,无需依赖云端。

借助我们的机器学习开发套件,您可在几分钟内启动开发流程,套件包含开箱即用型演示(包括语音控制的吃豆人游戏)。查看我们的 AI/ML 开发人员之旅,获取分步操作指南 

物联网与机器学习的结合为多种应用提供动力,包括语音识别、手势检测、视觉处理、预测性维护、异常检测和智能门禁 —— 所有应用均在设备端高效运行,无需依赖云端。

可以 —— 完全可以。我们的平台支持集成主流框架的预训练模型,且经过认证的 AI/ML 合作伙伴提供针对 Silicon Labs 硬件优化的可直接部署解决方案。可直接使用这些模型,或根据特定的物联网机器学习应用进行微调。

Silicon Labs 提供多种工具,帮助您评估和优化物联网设备中的机器学习性能。例如,模型性能分析器 (Model Profiler) 可预估目标硬件上的内存占用和推理时间,而模型 MVP 编译器(集成于 Simplicity Studio 中)可优化模型执行效率,实现高效的边缘推理。这些工具让您在部署前轻松微调模型性能。

不需要。Silicon Labs 与值得信赖的 AI/ML 提供商合作,这些提供商在我们的 SoC 上提供预构建的可直接部署解决方案 —— 非常适合希望快速启动项目的团队。对于定制化应用,我们还与经过认证的设计服务合作伙伴协作,助力您开发和部署量身定制的物联网机器学习解决方案,无需具备深厚的机器学习专业知识。



物联网机器学习演示视频

探索由我们的硬件加速器驱动的真实物联网机器学习演示。从语音、手势识别到指纹、声学传感,这些示例展示了快速、高效的设备端推理能力。

关闭
正在加载结果
关闭
Powered by Translations.com GlobalLink OneLink Software