Maschinelles Lernen (ML) wird immer mehr zu einer Standardanforderung für Entwickler von Embedded-Systemen, die Produkte erstellen oder verbessern wollen. Um diesem Bedarf gerecht zu werden, will Microchip Technology mit seiner neuen MPLAB Machine Learning Development Suite einen vollständigen, integrierten Workflow für eine verbesserte ML-Modellentwicklung bieten. Das Software-Toolkit kann für das gesamte Microchip-Angebot an Mikrocontrollern (MCUs) und Mikroprozessoren (MPUs) verwendet werden. Rodger Richey, Vice President der Development Systems Business Unit bei Microchip, dazu: „Maschinelles Lernen ist die neue Normalität für Embedded-Steuerungen. Mit der Nutzung am Rande des Systems lassen sich Produkte effizienter, sicherer und energiesparender gestalten als Systeme, die für die Verarbeitung auf Cloud-Kommunikation angewiesen sind. Unsere integrierte Lösung wurde für Entwickler von Embedded-Systemen erstellt und ist die erste, die nicht nur 32Bit-MCUs und MPUs, sondern auch 8- und 16Bit-Bausteine unterstützt, um eine effiziente Produktentwicklung zu ermöglichen.“
Die MPLAB Machine Learning Development Suite soll Entwickler beim Erstelleneffizienter ML-Modelle mit geringem Platzbedarf unterstützen. Das Toolkit basiert auf AutoML und streicht viele sich wiederholende, mühsame und zeitaufwändige Aufgaben bei der Modellerstellung, einschließlich Extraktion, Training, Validierung und Test. Es bietet auch Modelloptimierungen, so dass die Speicherbeschränkungen von MCU und MPUs eingehalten werden können. In Kombination mit der integrierten Entwicklungsumgebung (IDE) MPLAB X stellt das neue Toolkit eine Komplettlösung dar, die auch von Personen mit geringen oder gar keinen ML-Programmierkenntnissen einfach genutzt werden kann. Microchip bietet auch die Möglichkeit, ein Modell von TensorFlow Lite zu übernehmen und es in jedem MPLAB-Harmony-v3-Projekt zu verwenden, einem vollständig integrierten Embedded-Software-Entwicklungsframework, das flexible und interoperable Softwaremodule bietet, um die Entwicklung von Mehrwertfunktionen zu vereinfachen und die Markteinführung eines Produkts zu beschleunigen. Darüber hinaus bietet das VectorBlox Accelerator Software Development Kit (SDK) die energieeffizienteste CNN-basierte (Convolutional Neural Network) KI/ML-Inferenz mit PolarFire FPGAs.
