ARM Cortex-M
PulseAugur coverage of ARM Cortex-M — every cluster mentioning ARM Cortex-M across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
CREST框架为低功耗嵌入式系统优化AI模型
研究人员开发了CREST，一个专为低功耗嵌入式传感系统设计的硬件在环神经架构搜索（NAS）框架。该框架通过考虑内存、延迟、能耗限制和传感调度等现实部署因素，而非仅仅依赖FLOPs或参数等静态代理，来解决现有方法的局限性。在Arm Cortex-M目标上的评估表明，与传统的NAS方法相比，CREST能够显著降低能耗并识别出更合适的模型架构。
-
Ariel-ML工具包支持在多核微控制器上进行基于Rust的并行神经网络推理
一个名为Ariel-ML的新工具包已被开发出来，用于使用嵌入式Rust在多核微控制器上自动化神经网络推理的并行化。该工具包旨在利用各种32位微控制器中存在的异构多核架构的能力，包括Arm Cortex-M、RISC-V和ESP-32系列。基准测试表明，与现有的解决方案相比，Ariel-ML实现了更低的推理延迟，同时保持了与使用C/C++的工具包相当的内存占用。
-
TinyDéjàVu 框架大幅减少了微控制器上神经网络的 RAM 使用量
一个名为 TinyDéjàVu 的新框架已被开发出来，旨在显著降低微控制器上神经网络推理的 RAM 要求。与以前的方法相比，该框架可以将 RAM 使用量减少高达 90%，同时保持相似的计算延迟，使其对于电池供电的传感器设备来说非常高效。该实现是开源的，并且已在常见的微控制器硬件上进行了基准测试。
-
EdgeSpike框架为物联网设备实现低功耗感知
研究人员推出EdgeSpike，一个专为边缘物联网设备中的低功耗自主感知设计的新框架。该系统集成了新颖的训练管道、硬件感知神经架构搜索以及针对各种神经形态和微控制器目标优化的事件驱动运行时。与传统的CNN相比，EdgeSpike在实际部署中展示了具有竞争力的准确性，同时显著降低了能耗并延长了电池寿命。