Automatische Übersetzung anzeigen
Dies ist eine automatisch generierte Übersetzung. Wenn Sie auf den englischen Originaltext zugreifen möchten, klicken Sie hier
#Produkttrends
{{{sourceTextContent.title}}}
Mit Artemis bringt SparkFun eine Open-Source-Plattform für Embedded Machine Learning auf den Markt
{{{sourceTextContent.subTitle}}}
Die Artemis Engineering Version von SparkFun ist ein Open-Source Embedded System Modul, das entwickelt wurde, um TensorFlow für Hobby- und Consumer-Projekte auszuführen.
{{{sourceTextContent.description}}}
Immer mehr Möglichkeiten stehen Herstellern und Ingenieuren zur Verfügung, die nach kostengünstigen Lösungen suchen, um maschinelles Lernen und künstliche Intelligenz in ihre Projekte einzubringen.
Das neueste Angebot, die Artemis Engineering Version von SparkFun Electronics, ist ein Open-Source-Modul für eingebettete Systeme, das speziell darauf abzielt, die von Google entwickelte TensorFlow Softwarebibliothek für maschinelles Lernen den Herstellern, Entwicklern und Forschern zugänglich zu machen. Die Artemis Engineering Version zielt darauf ab, Entwicklern, die vom Hobby zum Konsumprodukt wechseln, eine Anlaufstelle für maschinelles Lernen zu bieten. SparkFun sagt, dass das Modul für Konsumgüter entwickelt wurde und sich vom Arduino und ähnlichen Angeboten unterscheidet, indem es so aufgebaut wird, dass es sich vergrößert.
"Unser Ziel ist es, jeden in die Lage zu versetzen, maschinelles Lernen mit geringer Leistung in seine Designs und Projekte zu integrieren, ohne in eine bestimmte Toolchain eingebunden zu sein", sagte Nathan Seidle, Gründer von SparkFun. "Das Artemis-Modul ist das erste Produkt, das die Lücke zwischen Hobbyisten und Konsumgütern schließt und ein einziges Modul vom Prototyp bis zur Produktion bietet."
Das 15,5 x 10,5 mm Artemis-Modul läuft auf einem ARM Cortex M4F Prozessor mit integriertem Bluetooth Low Energy 5.0. Nach den Spezifikationen von SparkFun kann die Artemis maschinelle Lernalgorithmen mit einem geringen Stromverbrauch von 6μA/MHz bei 3,3V betreiben. Es ist auch voll kompatibel mit dem Arduino-Kern von SparkFun und kann mit der Arduino-IDE programmiert werden. Es enthält auch Qwiic-Anschlüsse zur Integration in das Qwiic-Ökosystem aus Sensoren, Ausgängen und Controllern. Benutzer, die professionellere Tools implementieren möchten, können die Vorteile des JTAG-Konnektors von Artemis nutzen. Das Modul verfügt auch über 2-lagige Leiterplatten und 8mil Trace/Space.
Und darüber hinaus ist das Modul Open Source. SparkFun hat die Designdateien auf GitHub frei verfügbar gemacht und das Unternehmen hat drei Open-Source-Hardware-Beispielprodukte veröffentlicht, die als Ausgangspunkt für verschiedene Projekte dienen können.
SparkFun hat für die Artemis drei Trägerkarten zur Verfügung gestellt - die Blackboard Artemis, BlackBoard Artemis Nano und Blackboard Artemis ATP. Das Blackboard Artemis ist im Arduino Uno Footprint erhältlich und ist als Einstiegspunkt für die Arbeit mit dem Modul gedacht. Das Artemis Nano, seinem Namen treu geblieben, ist das kleinste der drei Boards und zielt auf kleinere Projekte ab. Das Blackboard Artemis ATP (All the Pins) erschließt die vollen Möglichkeiten des Moduls, indem es alle 48 seiner GPIO ausbricht.
Die Artemis ist die neueste in einem Trend von Produkten, die darauf abzielen, Embedded-Entwicklern maschinelles Lernen zu ermöglichen. Der neue Raspberry Pi 4 ist auf industrielle IoT-Anwendungen ausgerichtet und verfügt über Spezifikationen, die mit denen eines Desktop-Computers vergleichbar sind --- all das sollte einen großen Beitrag zur Verbesserung der Fähigkeiten des Raspberry Pi als Plattform für die Entwicklung mit KI leisten.
Am teureren Ende des Jahres präsentierte der GPU-Hersteller Nvidia den Jetson Nano, eine Version seiner Jetson-Computerplattform, die sich mehr an die Herstellergemeinschaft und diejenigen richtet, die kostengünstigere Roboter und andere intelligente Geräte entwickeln wollen.
Der Embedded-Software-Berater Jacob Beningo, der für Design News schreibt, hat festgestellt, dass das maschinelle Lernen einen immer größeren Einfluss auf den Embedded-Bereich hat. "Machine Learning bietet die Möglichkeit, Embedded-Softwareentwicklern neue Tools und Technologien zur Verfügung zu stellen, die das Potenzial haben, die Entwicklungskosten zu senken und einen Teil des Programmieraufwands zu entlasten", schrieb Beningo. "Machine Learning eröffnet auch neue potenzielle Anwendungen und Funktionen, die das Verhalten der Benutzer von ihren Systemen für immer verändern werden. Während das maschinelle Lernen gerade erst seinen Weg in den Embedded Space findet, kommt es schneller, als viele vielleicht denken."
Die Artemis Engineering Version ist derzeit über SparkFun erhältlich. Beachten Sie jedoch, dass das Modul zum jetzigen Zeitpunkt keine FCC-Konformität und Zertifizierungen erhalten hat. SparkFun hat gesagt, dass es aktiv nach FCC-Zulassungen für das Modul sucht und geschirmte Module in Band- und Rollenmengen freigeben wird, sobald dies geschieht.