|
本帖最后由 baiyongbin2009 于 2019-2-18 01:52 编辑 % O! L3 [5 U# `3 d7 C; Z6 q- | Arm Helium技术用于Cortex-M内核的M-Profile矢量扩展,为其提供高达15倍的机器学习性能和高达5倍的信号处理能力,这样一来,我们可以继续使用M内核芯片,而无需采用更高性能的处理器架构。 - d# K% @ H/ Q* j3 x Helium和Neon(用于Cortex-A系的高级SIMD技术)具有相似性,但Helium专为单片机的高效信号处理性能而设计。 为什么没有直接使用Cortex-A系的NEON,在ARM博文有介绍: http://community.arm.com/arm-re ... y-not-just-add-neon/ {* t, d! U; L1 k% v ( K9 {" Y! s5 N4 Z Armv8-M最新版规格书:. N% u' T- K; T, X# y+ _( ` DDI0553B_f_armv8m_arm.pdf Armv8.1-M架构简介: Introduction_to_Armv8.1-M_architecture.pdf 4 @; @8 R. P4 n ; b S+ ]: R& J 2 Q& y# b7 S: x5 ~8 u |
【STM32H5 评测】MNIST 数字识别
STM32在边缘AI的布局及能力版图
从家电到机器人:STM32边缘AI应用案例拆解
STM32U3B5/U3C5:为超低功耗设计带来高性能 DSP 与边缘 AI
【NUCLEO-U3C5ZI 测评】+ 手写数字识别
【STM32U3 评测】MNIST 数字识别
AI玩具爆发前夜:技术拐点、体验鸿沟与破局路径
STM32 AI Model Zoo,现支持PyTorch的最大规模MCU AI模型集合
经验分享 | STM32 AFCI 方案 TensorBoard 使用指南:AI 模型调优可视化终极方案
STM32F334运行超轻量级神经网络推理框架TinyMaxi进行端侧推理
微信公众号
手机版