【Arm的AI世界】用Vela編譯器在Ethos-U NPU部署神經網路模型
為了因應這波邊緣與終端AI裝置浪潮，Arm特地設計了microNPU 機器學習(ML)處理器Ethos-U，為面積受限的嵌入式與物聯網裝置加速ML推論。要在Ethos-U上部署神經網路(NN)模型，第一步須使用Vela來編譯你已備妥的模型。Vela是一種開源Python工具，可以將神經網路模型最佳化為能在內含Ethos-U NPU的嵌入式系統上執行之特定版本；這篇文章將展示使用Vela編譯模型的工作流程。
【Arm的AI世界】為邊緣裝置端對端機器學習提供自動化方案
透過將機器學習開發流程中最繁瑣的部分自動化，TDK Qeexo減少了為支援多款手機耗費的時間與精力。自動化做法也讓他們得以擴展事業的規模，為超過4億支手機提供支援。
【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。
【Arm的AI世界】機器學習為物聯網世界帶來重大變革
一場全新、甚至更強大的轉型正在進行中，邊緣裝置不再依賴雲端運算來詮釋資料，而演變成能根據所產生資料自行做出決策的系統。透過在更接近資料被擷取的地方進行處理，實現了更快的決策，以及隱私保護與安全性的提升。
助力廣泛Edge AI應用落地 Arm Helium架構Cortex-M添「小尖兵」
繼分別於2020年與2022年發表的Cortex-M55、Cortex-M85，以及可搭配Cortex-M系列平台的微神經網路處理器(microNPU) Ethos-U55，Arm近日發表其支援Helium架構的Cortex-M系列最新處理器核心Cortex-M52，旨在為需求更低功耗與成本方案的電池供電IoT裝置帶來更強化的AI功能，並催生更多創新Edge AI應用落地。
如何客製化企業 RAG 知識庫？— 從資料庫到知識整合的實戰技術
