|
说明:. C: K3 w1 G7 h6 L( g- U 1、今年年初的时候ARM发布Armv8.1-M架构,增加了Arm Helium技术。 2、最新的CMSIS软件包V5.6.0正式带来Armv8.1-M内核支持,为DSP库f32函数增加NEON指令支持。 2 H p. k: T" j 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。 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。; y& ]- Y5 L1 ?; Y! A2 z 为什么没有直接使用Cortex-A系的NEON,在ARM博文有介绍:. C( B# {( b! w; d http://community.arm.com/arm-re ... y-not-just-add-neon 0 v# `% @1 V! z& M' m( j, C Armv8-M最新版规格书: Armv8.1-M架构简介: ) o- o6 _1 Z; P& I/ P4 p
$ `3 c& B8 Y) P8 t1 Q) \7 ~ CMSIS V5.6.0更新记录:( j2 n( X4 S( }# v* I $ b- A: f; {5 Q1 q( |7 N |
| 很不错的学习材料啊! |
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
【DIY-STM32N6570-DK-MINI板子功耗测试】
微信公众号
手机版