【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。
【Maker 玩 AI】Pixetto － 用積木開發 AI 程式
由 VIA 威盛開發的 Pixetto 也是一款 AI 視覺感測模組，硬體晶片使用核心為 Cortex-A7 900MHz 的 SoC HI3518，內建 64MB DDR SDRAM 處理影像與額外 128MB 的 Flash 儲存空間，並搭配 HI1311 整合了 Wi-Fi 功能。本篇文章會帶大家一起看看如何用積木玩轉 Pixetto！