Arm新一代Ethos-U NPU與IoT參考設計平台亮相
Arm的嵌入式AI加速器Ethos-U系列NPU再添新成員U85；與上一代產品相比，Ethos-U85的效能號稱提升四倍，並提高了20%功耗效率…
【Arm的AI世界】利用Arm機器學習嵌入式評估套件快速部署Edge AI應用
Cortex-M55處理器是Arm Cortex-M處理器中人工智慧功能最強大的，也是第一顆基於Arm Helium技術的CPU。儘管Cortex-M55在微小的微處理器上運作機器學習模型速度已經很快了，不過它與Arm Ethos-U55 microNPU完成整合後，在嵌入式系統中最快可讓機器學習推論速度提升480倍。本文將告訴大家如何運用開源的Arm機器學習嵌入式評估套件快速打造並部署嵌入式機器學習應用！
【白皮書導讀】嵌入式AI落地，ARM NPU工作架構剖析
嵌入式系統提供「AI應用」已不是空話，目前的主流架構ARM NPU搭配Cortex-A及Cortex-M的方案，本文探討這方案的軟硬體架構及開發環境。
如何選擇最適合你的AI推論模型量化方案？
AI推論模型主要透過量化（Quantization）、修剪（Pruning）和聚類（Clustering）三種方式進行最佳化，本文提出一個決策樹，幫助你選擇最適合的量化技術。
TensorFlow Lite全面支援半精度(FP16)運算，可將設備端推論性能翻倍
TensorFlow團隊宣佈，TensorFlow Lite 和 XNNPack 全面支援FP16的半精度推論（Half Precision Inference），同時指出，透過在 ARM CPU 上啟用半精度推論，能將TensorFlow Lite 的XNNPack backed的浮點推論性能提高一倍。
【白皮書導讀】Arm Ethos-U NPU的Vela Compiler開發環境及流程
Edge AI的必爭之地已走向嵌入式系統，如何架構低功耗、高效能的嵌入式AI運算架構呢？micro NPU + MCU/MPU看來是不錯的選項，本文將介紹Arm Ethos-U NPU的Vela Compiler開發環境及流程。
線上學習
