【视频】在MCU上实现AI深度学习，看视频回答问题

NXP管管

传统认知中，人工智能（AI）相关的深度学习应用，只有算力充沛的MPU或者是PC才能玩得转。可你是否想过，在一颗通用MCU上也能畅玩深度学习？

这不是天方夜谭，NXP的工程师就在一个用例中，基于i.MX RT1050跨界MCU实现了人脸识别功能，30多层的深度学习模型跑一圈只要295mS！


让深度学习模型在MCU上跑起来，其意义在于，可以将MCU功耗小、成本低、体量大、开发周期短、上市快、实时性好、响应稳等特性与深度学习的强大能力相融合，这势必会解锁一个庞大的市场，让海量的设备智能起来！


当然，真正让深度学习用例在MCU上畅快地“奔跑”，还是有门槛的。最关键的是如何将训练好的深度学习的模型，转换并部署到MCU上，这需要一整套工具和方法。


好消息是——NXP的工程师已经在开发这些用例的同时，将所需的配套工具都做好了，并且提供测试版本供大家下载使用，还贴心地附上了一份万余字的用户指南……


在下面这个视频中，NXP的工程师通过全面而直观地讲解，细致分析了在MCU上能做哪些AI应用及其特点，并实际演示了在MCU上畅玩AI深度学习的全过程。一起来看看吧！

▼▼▼▼▼▼

视频重点回顾

在这个视频讲解中，重点回答了以下几个问题：
MCU能做人工智能中的深度学习应用吗？
MCU能做哪些深度学习的应用，这些应用都有哪些特点？
用MCU实现深度学习计算，有哪些特点，性能如何？
做深度学习的应用，应该从哪里起步？
深度学习应用项目的开发流程是什么样的？
如果要做这方面的工作，恩智浦都提供了哪些工具？
大家可以再多看几遍视频，把上述问题的答案找出来

回复本帖即可，有奖，先到先得。

阅读全文

landeng1986

MCU能做人工智能中的深度学习应用吗？
能

MCU能做哪些深度学习的应用，这些应用都有哪些特点？
图像识别（人脸），医学检测，电机异常检测，识别咖啡胶囊、预测疾病危险期，抄水表，语音控制电器，检测电源异常
领域：现场监控，产线监控，可穿戴设备，AI教育，算法向数据驱动的转变、智能控制模块，低端生物识别
特点：门槛低，以数据分析为驱动，容易上手

用MCU实现深度学习计算，有哪些特点，性能如何？
功耗低、成本低、体量大、开发周期短、上市快、实时性好、响应稳
性能强，可以做到实时或准实时，市场大

做深度学习的应用，应该从哪里起步？
先在PC上用TensorFlow，Keras，MXNet等建模

深度学习应用项目的开发流程是什么样的？
先在PC上用常用软件建模，用数据训练出模型，配置转换，再放到MCU上


如果要做这方面的工作，恩智浦都提供了哪些工具？
硬件（i.MX RT10x0开发板），软件（NNCU工具），储备知识（单片机开发通用知识，用户指南文档）

maoyanmcu

1.能
2.现场监控，产线监控，可穿戴设备，AI教育，算法向数据驱动的转变，智能控制模块，地段生物识别。特点是训练多层数据，经过多层卷积运算。
3.功耗低，成本低，体量大，开发周期短，上市快，实时性好，响应稳。性能上基于机器视觉会相对慢一点，算力跨度大
4.通过计算机上的建模软件，Tensorflow,Keras或者MXNET
5.把训练好的模型转换到MCU上，用测试版的NNCU工具
6.I.MX RT1050开发板例程，NNCU工具

wudianjun2001

MCU能做人工智能中的深度学习应用吗？
能

MCU能做哪些深度学习的应用，这些应用都有哪些特点？
图像识别（人和各种动物都可以），医学检测，电机异常检测，识别咖啡胶囊、预测疾病危险期，抄水表，语音控制电器，检测电源异常，现场监控，产线监控，可穿戴设备，AI教育，算法向数据驱动的转变、智能控制模块，低端生物识别等


用MCU实现深度学习计算，有哪些特点，性能如何？
功耗低、成本低、体量大、开发周期短、上市快、实时性好、响应稳定、性能强、可以做到实时或准实时、市场大

做深度学习的应用，应该从哪里起步？
在电脑上上用TensorFlow，Keras或MXNet等建模

深度学习应用项目的开发流程是什么样的？
先在PC上用常用软件建模，用数据训练出模型，配置转换，再放到MCU上

如果要做这方面的工作，恩智浦都提供了哪些工具？
硬件（i.MX RT10x0开发板），软件（NNCU工具）

流水源

MCU能做人工智能中的深度学习应用吗？
能

MCU能做哪些深度学习的应用，这些应用都有哪些特点？
图像识别，医学检测，电机异常检测，识别人脸性别、预测疾病危险期，抄水表，语音控制电器，检测电源异常，现场监控，产线监控，可穿戴设备，AI教育，算法向数据驱动的转变、智能控制模块，低端生物识别等


用MCU实现深度学习计算，有哪些特点，性能如何？
功耗低、成本低、体量大、开发周期短、上市快、实时性好、响应稳定。
性能强、可以做到实时或准实时检测、有庞大的市场。

做深度学习的应用，应该从哪里起步？
在电脑上用TensorFlow，Keras或MXNet等建模

深度学习应用项目的开发流程是什么样的？
先在PC电脑上软件建模，训练出模型数据，然后配置转换放到MCU上应用。

如果要做这方面的工作，恩智浦都提供了哪些工具？
硬件（i.MX RT10x0开发板），软件（NNCU工具）。

zhang7309

MCU能做人工智能中的深度学习应用吗？
能做
MCU能做哪些深度学习的应用，这些应用都有哪些特点？
图像识别（人脸或物体识别），医学检测，电机异常检测，识别咖啡胶囊、预测疾病危险期，抄表，语音控制电器，检测电源异常；现场监控，产线监控，可穿戴设备，AI教育，算法向数据驱动的转变、智能控制模块，低端生物识别；特点是门槛低，以数据分析为驱动，上手容易
用MCU实现深度学习计算，有哪些特点，性能如何？
功耗低、成本低、体量大、开发周期短、上市快、实时性好、响应稳定、性能强，可以做到实时或准实时，市场大
做深度学习的应用，应该从哪里起步？
首先要在计算机上用TensorFlow，Keras，MXNet等软件建模并生成训练好的模型。
深度学习应用项目的开发流程是什么样的？
使用软件建模训练并生成模型，配置转换，移植到MCU平台
如果要做这方面的工作，恩智浦都提供了哪些工具？
硬件（i.MX RT10x0开发板），软件（NNCU工具）

wpzahu

MCU能做人工智能中的深度学习应用吗？
能

MCU能做哪些深度学习的应用，这些应用都有哪些特点？
图像识别（人脸），医学检测，电机异常检测，识别咖啡胶囊、预测疾病危险期，抄水表，语音控制电器，检测电源异常
领域：现场监控，产线监控，可穿戴设备，AI教育，算法向数据驱动的转变、智能控制模块，低端生物识别
特点：门槛低，以数据分析为驱动，容易上手

用MCU实现深度学习计算，有哪些特点，性能如何？
功耗低、成本低、体量大、开发周期短、上市快、实时性好、响应稳
性能强，可以做到实时或准实时，市场大

做深度学习的应用，应该从哪里起步？
先在PC上用TensorFlow，Keras，MXNet等建模

深度学习应用项目的开发流程是什么样的？
先在PC上用常用软件建模，用数据训练出模型，配置转换，再放到MCU上


如果要做这方面的工作，恩智浦都提供了哪些工具？
硬件（i.MX RT10x0开发板），软件（NNCU工具），储备知识（单片机开发通用知识，用户指南文档）