ข่าว Machine Learning

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน Aspinity AB2 AML100 : บอร์ด Arduino Shield รองรับ Analog Machine Learning ใช้พลังงานต่ำมาก

Aspinity AB2 AML100 : บอร์ด Arduino Shield รองรับ Analog Machine Learning ใช้พลังงานต่ำมาก

Aspinity AB2 AML100 analog machine learning Arduino Shield

Aspinity AB2 AML100 เป็นบอร์ด Arduino Shield ที่ใช้ AML100 analog machine learning processor ของบริษัทฯ, เมื่อเทียบกับ digital ML processors ลดการใช้พลังงานลงถึง 95 เปอร์เซ็นต์ และบอร์ด Shield นี้สามารถใช้งานกับ Renesas Quick-Connect IoT platform หรือแพลตฟอร์มการพัฒนาอื่น ๆ ที่มี Arduino Uno Rev3 headers ได้ บริษัทฯ ได้กล่าวว่าตัวประมวลผล AML100 analog machine learning processor ใช้พลังงานเพียง 15µA สำหรับการเชื่อมต่อเซนเซอร์, การประมวลผลสัญญาณและการตัดสินใจ และการทำงานของตัวประมวลผลนี้จะเกิดขึ้นภายในโดเมนแอนะล็อกเพื่อลดภาระของด้านไมโครคอนโทรลเลอร์ ซึ่งทำให้ไมโครคอนโทรลเลอร์สามารถอยู่ในสถานะพลังงานต่ำสุดได้จนกว่าจะมีเหตุการณ์/ภาวะผิดปกติเกิดขึ้น สเปคของ Aspinity AB2 AML100 Arduino Shield : ชิป ML – ชิป Aspinity […]

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน เปิดตัวบอร์ด Arduino GIGA R1 WiFi พร้อมชิป STM32H7 มีขา I/O สูงสุด 76 ขา

เปิดตัวบอร์ด Arduino GIGA R1 WiFi พร้อมชิป STM32H7 มีขา I/O สูงสุด 76 ขา

Arduino GIGA R1 WiFi

บอร์ด Arduino GIGA R1 WiFi มาพร้อมชิปไมโครคอนโทรลเลอร์ STM32H7 dual-core Cortex-M7/M4 ที่ใช้กับบอร์ด Portenta H7 มาสู่ฟอร์มแฟคเตอร์ Arduino Mega/Due ขนาดใหญ่ที่มี Pin-GPIO สูงสุด 76 ขา ตามชื่อของบอร์ด บอร์ดมาพร้อมกับโมดูล WiFi 4 (และ Bluetooth 5.1) รวมถึง Audio jack, พอร์ต USB Type-C สำหรับเขียนโปรแกรม, พอร์ตโฮสต์ USB 2.0 Type-A และตัวเชื่อมต่อสำหรับหน้าจอแสดงผลและกล้อง สเปคของบอร์ด Arduino GIGA R1 WiFi: ไมโครคอนโทรลเลอร์ – STMicro STM32H747XI Cortex-M7 @ 480 MHz + M4 @ 200 MHz MCU พร้อมหน่วยความจำ Flash 2MB dual-bank, RAM 1 MB และ Chrom-ART graphical hardware accelerator หน่วยความจำ – SDRAM 8MB ที่เก็บข้อมูล – 1NOR flash 16MB QSPI การเชื่อมต่อ – WiFi 2.4GHz 802.11b/g/n ความเร็วสูงสุด 65 Mbps และ Bluetooth 5.1 […]

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน สเปคของ Amlogic S928X : ชิป SoC มี Arm Cortex-A76/A55 แบบ penta-core พร้อม GPU Mali-G57 และชิป NPU ความเร็ว 3.2 TOPS

สเปคของ Amlogic S928X : ชิป SoC มี Arm Cortex-A76/A55 แบบ penta-core พร้อม GPU Mali-G57 และชิป NPU ความเร็ว 3.2 TOPS

Amlogic S928X block diagram

Amlogic S928X Cortex-A76/A55 จะเป็นขุมพลังของ Android TV ความละเอียด 8K ของ SDMC และตัวอื่น ๆ ในไม่ช้า และตอนนี้เรามีข้อมูลสเปคโดยละเอียดเป็น “Quick Reference Manual” ที่ฉันได้รับทาง Inbox เช่นเดียวกับชิปประมวลผล Amlogic ส่วนใหญ่ รุ่น S928X ถูกออกแบบมาสำหรับกล่องทีวี แต่ชิปประมวลผลแบบ penta-core นี้อาจจะมีปลายทางไปยังคอมพิวเตอร์บอร์ดเดี่ยวที่มีราคาไม่แพงแต่ทรงพลังพร้อมคุณสมบัติต่างๆ เช่น HDMI 2.1a, Gigabit Ethernet, PCIe 2.0 หรือ USB 3.0 สเปคของ Amlogic S928X: หน่วยประมวลผล CPU 1x คอร์ Arm Cortex-A76 และ 4x คอร์ Arm Cortex-A55 ที่มีการกำหนดค่า big.LITTLE รองรับส่วนขยาย NEON และ Crypto Private L2 cache และ unified system L3 cache Build-in RISC-V core สำหรับการประมวลผลการควบคุมระบบ หน่วยประมวลผล GPU A […]

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน Arduino Nano 33 BLE Sense Rev2 เปลี่ยนเซนเซอร์ IMU เป็น BMI270 และ BMM150, เซนเซอร์ HS3003 อุณหภูมิและความชื้น

Arduino Nano 33 BLE Sense Rev2 เปลี่ยนเซนเซอร์ IMU เป็น BMI270 และ BMM150, เซนเซอร์ HS3003 อุณหภูมิและความชื้น

Arduino Nano 33 BLE Sense Rev2

Arduino Nano 33 BLE Sense Rev2 รุ่นใหม่เป็นการปรับปรุงของ Arduino Nano 33 BLE Sense บอร์ด Machine learning โดยมีฟังก์ชันพื้นฐานเดียวกันแต่มีการเปลี่ยนแปลงเซนเซอร์บางอย่างรวมถึงการปรับปรุงเพิ่มเติมเพื่อเพิ่มประสิทธิภาพในการใช้งานของผู้ใช้งาน การเปลี่ยนแปลงหลักคือ เซนเซอร์ IMU 9 แกนของ STMicro LSM9DS1 ถูกแทนที่ด้วย IMU 2 เซนเซอร์จาก Bosch SensorTech ได้แก่ BMI270 6-axis accelerometer และ gyroscope, และ BMM150 3-axis magnetometer, เซนเซอร์อุณหภูมิและความชื้น STMicro HTS221 แทนที่ด้วย Renesas HS3003  และไมโครโฟน MP34DT05 แทนที่ด้วย MP34DT06JTR ชิ้นส่วนเซนเซอร์ที่ถูกแทนที่ทั้งหมดเป็นของ STMicro ดังนั้นจึงค่อนข้างเป็นไปได้ที่การปรับปรุงบอร์ดครั้งที่สองนั้นส่วนใหญ่จะเป็นไปเพื่อแก้ไขปัญหาาการจัดหาวัสดุในการผลิต สเปคของ […]