恩智浦推出新方案，物联网节点也能玩转机器学习

算法与算力的进步正推动着机器学习(Machine Learning)的历史性进展：这些运算曾经只能在云端开发应用中进行，而今借助NXP的eIQ边缘智能软件环境和可自定义系统级解决方案，物联网边缘节点设备的开发者，也能在他们的应用中使用机器学习算法了。

1恩智浦边缘节点智能环境(eIQ)，这是一套完整的机器学习(ML)工具包，支持TensorFlow Lite、Caffe2和其他神经网络框架，以及非神经ML算法。

2面向语音、视觉和异常检测应用推出完整集成ML解决方案，包括数据采集、训练模型，并具备用户自定义功能。

3针对i.MX和Layerscape应用处理器，在安全设备的开发板、配置和容器管理上，对恩智浦的EdgeScale进行了扩展。

eIQ软件环境包括构建和优化云训练ML模型所需的工具，可在工业、物联网(IoT)和汽车应用等各领域资源受限的边缘节点设备中高效运行。具有专门面向语音、视觉和异常检测应用领域，完整的、接近量产的解决方案。恩智浦让成千上万希望他们的产品具有机器学习功能的客户，不必花费大量投资而成为专家，也能得偿所愿。

恩智浦资深副总裁兼微控制器业务总经理Geoff Lees表示：“我们很久之前就认识到，边缘节点的处理技术可切实推动客户采用机器学习，所以我们创建了可扩展ML解决方案和eIQ工具，帮助客户更容易获取和使用从云向边缘节点设备转移的人工智能功能。”

面向支持恩智浦整个微控制器(MCU)和应用处理器产品线，eIQ可提供开发人员在边缘设备中实施ML所需的构件块。恩智浦eIQ紧跟ML不断发展的步伐，持续进行扩展以包括下列功能：数据采集和管理工具；适用于各种神经网络（NN）框架和推理引擎的模型转换功能，例如TensorFlow Lite、Caffe2、CNTK和Arm NN；支持新兴的NN编译器，例如GLOW和XLA；传统ML算法（例如支持向量机和随机森林）；以及在恩智浦异构的嵌入式处理器上部署处理模型的工具。

此外，恩智浦最近还推出了一款软件基础架构（称为EdgeScale），旨在面向实现ML的应用来统一边缘设备中的数据收集、管理和处理方式。EdgeScale可与基于云的人工智能(AI)/ML服务无缝集成，并支持在所有恩智浦设备（从低成本MCU到高性能i.MX和Layerscape应用处理器）上部署云端训练的模型和推理引擎。

基于eIQ环境，NXP推出了适用于在物联网结点端，进行学习和本地执行的完整解决方案，包括视觉、语音和异常检测模型等。这些系统级解决方案可提供构建全功能应用所需的软硬件，同时允许客户添加自己的差异化功能。这些解决方案是模块化结构，方便客户利用简单插件扩展其产品功能。例如，可轻松将语音识别模块添加到使用恩智浦视觉识别解决方案的产品上。

日前，在巴塞罗那全球物联网大会上，恩智浦展示了引入这些功能的真实应用，观众亲身体验了使用无人机并包括各种子系统的模拟工作场所，例如操作员进门面部识别子系统、针对操作员安全的对象识别子系统、本地语音控制命令，以及用于预测无人机操作故障的异常检测子系统。

亮相Arm TechCon

在Arm TechCon会上，恩智浦也展示其最新的边缘计算产品，包括适用于恩智浦各种嵌入式处理产品组合的多功能eIQ工具和ML应用。

级联学习。在高性能i.MX 8QM上进行面部识别训练，并在使用安全Docker容器的中级i.MX 8QXP和i.MX 8M应用处理器上部署压缩的推理引擎。

MCU级工业4.0 ML应用。在刚发布的LPC5500 MCU上使用CIFAR-10的CMSIS-NN性能基准，支持使用基于Cortex-M4F的Kinetis MCU依靠传统机器学习技术进行异常检测。

本地化语音和视觉ML应用。其特点包括：

刚发布的i.MX RT600跨界处理器，集成DSP，安全且运行功耗超低；

基于i.MX RT1050跨界处理器的面向本地化语音唤醒和最终用户可编程语音控制体验的语音解决方案；

通过Au-Zone DeepView Ml套件实现的视觉解决方案：如使用i.MX 8QM在微波炉中实施的食品识别，以及使用低成本i.MX RT 1050跨界处理器的交通标志识别。