0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

Maxim Integrated新型神经网络加速器MAX78000 SoC在贸泽开售

西西 来源:厂商供稿 作者:Maxim 2020-12-09 16:53 次阅读

2020年12月9日 – 专注于引入新品的全球电子元器件授权分销商贸泽电子 (Mouser Electronics) 即日起备货Maxim Integrated的新型MAX78000芯片。MAX78000基于双核MCU,结合了超低功耗深度神经网络加速器,为高性能人工智能AI) 应用提供所需的算力,是机器视觉、面部识别、目标检测和分类、时序数据处理和音频处理等应用的理想选择。

贸泽电子供应的Maxim MAX78000集成了两个MCU核心用于系统控制,即Arm® Cortex®-M4处理器和32位RISC-V处理器。RISC-V处理器集成的特殊功能支持以低功耗将数据快速加载到神经网络加速器。配置并加载了数据后,MAX78000 442-KB的卷积神经网络 (CNN) 加速器运行AI推理的速度比MCU解决方案快100倍,功耗还不到其1%。

MAX78000处理器提供高效的电源管理,最大限度地延长电池供电物联网IoT) 设备的续航时间。通过动态电压调整,该处理器将活动核心的功耗降至最低,在低功耗模式下可选择SRAM保持。该处理器将低功耗性能与高效计算结合在一起,将延迟降低了100倍,并能够在物联网边缘执行AI推理。

MAX78000拥有配套的MAX78000评估套件。除了MAX78000处理器,此评估套件还包含数字麦克风、陀螺仪/加速度计和3.5英寸触摸式彩色TFT显示屏,同时支持并行摄像头模块。另外贸泽还供应MAX78000FTHR,这是一款采用Adafruit Feather 外形尺寸的开发板,专门用于小型系统的快速原型设计。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 电源管理
    +关注

    关注

    112

    文章

    5987

    浏览量

    141038
  • 神经网络
    +关注

    关注

    42

    文章

    4538

    浏览量

    98424
  • 物联网
    +关注

    关注

    2860

    文章

    41246

    浏览量

    357356
  • 贸泽电子
    +关注

    关注

    16

    文章

    1052

    浏览量

    95708
  • RISC-V处理器
    +关注

    关注

    0

    文章

    73

    浏览量

    9883
收藏 人收藏

    评论

    相关推荐

    MAX78000进串口通信的验证和调试

    该资源提供了一个完整的工程,可在MAX78000开发板上进行UART2阻塞式发送字符串的测试。以下是相关的引脚配置信息:UART2引脚配置:UART2的发送引脚为P1.1 (TXD2)。UART2
    发表于 02-18 09:43 0次下载

    深度探索AI微控制器对CNN的硬件转换方案

    MAX78000是一款具有超低功耗CNN加速器的AI微控制器,这是一种先进的片上系统。它能够以超低功耗为资源受限的边缘设备或物联网应用提供神经网络
    发表于 11-24 09:22 221次阅读
    深度探索AI微控制器对CNN的硬件转换方案

    MAX78000: Artificial Intelligence Microcontroller with Ultra-Low-Power Convolutional Neural Network Accelerator Data Sheet MAX78000: Artific

    电子发烧友网为你提供ADI(ADI)MAX78000: Artificial Intelligence Microcontroller with Ultra-Low-Power
    发表于 10-17 18:53
    <b class='flag-5'>MAX78000</b>: Artificial Intelligence Microcontroller with Ultra-Low-Power Convolutional Neural Network Accelerator Data Sheet <b class='flag-5'>MAX78000</b>: Artific

    基于AI微控制器的CNN的硬件转换

    MAX78000是一款具有超低功耗CNN加速器的AI微控制器,这是一种先进的片上系统。它支持超低功耗的神经网络,适用于资源受限的边缘设备或物联网应用。此类应用包括对象检测和分类、音频处理、声音分类、噪声消除、面部识别、心率/健康
    的头像 发表于 09-29 15:11 534次阅读
    基于AI微控制器的CNN的硬件转换

    《 AI加速器架构设计与实现》+第2章的阅读概括

    。 从名字上就能看出来书里可能覆盖的内容是和CNN加速器有关的内容了。 作者在前言里说这本书主要讨论Inference(推理)的过程,“主要讨论神经网络硬件,尤其是芯片设计层面的内容”。这本书的第2,3章
    发表于 09-17 16:39

    《 AI加速器架构设计与实现》+学习和一些思考

    AI加速器设计的学习和一些思考 致谢 首先感谢电子发烧友论坛提供的书籍 然后为该书打个广告吧,32K的幅面,非常小巧方便,全彩印刷,质量精良,很有质感。 前言 设计神经网络首先要考虑的几个问题
    发表于 09-16 11:11

    FPGA加速神经网络的矩阵乘法

    电子发烧友网站提供《FPGA加速神经网络的矩阵乘法.pdf》资料免费下载
    发表于 09-15 14:50 0次下载
    FPGA<b class='flag-5'>加速</b><b class='flag-5'>神经网络</b>的矩阵乘法

    MAX78000人工智能设计大赛第二季回归!赛题广任意玩,奖励足直接冲!

    MAX78000设计大赛(第2季) MAX78000设计大赛(第2季)于9月1日正式上线,完成项目不止全额返还,还有千元现金大奖等你来领,摩拳擦掌的伙伴们冲冲冲!!!万分期待朋友们的精彩项目! 大赛
    的头像 发表于 09-13 18:40 274次阅读
    <b class='flag-5'>MAX78000</b>人工智能设计大赛第二季回归!赛题广任意玩,奖励足直接冲!

    《 AI加速器架构设计与实现》+第一章卷积神经网络观后感

    《 AI加速器架构设计与实现》+第一章卷积神经网络观感    本书的引言中也提到“一图胜千言”,读完第一章节后,对其进行了一些归纳(如图1),第一章对常见的神经网络结构进行了介绍,
    发表于 09-11 20:34

    人工神经网络和bp神经网络的区别

    人工神经网络和bp神经网络的区别  人工神经网络(Artificial Neural Network, ANN)是一种模仿人脑神经元网络结构和功能的计算模型,也被称为
    的头像 发表于 08-22 16:45 3056次阅读

    卷积神经网络和深度神经网络的优缺点 卷积神经网络和深度神经网络的区别

    深度神经网络是一种基于神经网络的机器学习算法,其主要特点是由多层神经元构成,可以根据数据自动调整神经元之间的权重,从而实现对大规模数据进行预测和分类。卷积
    发表于 08-21 17:07 1946次阅读

    卷积神经网络的基本原理 卷积神经网络发展 卷积神经网络三大特点

    卷积神经网络的基本原理 卷积神经网络发展历程 卷积神经网络三大特点  卷积神经网络的基本原理 卷积神经网络(Convolutional Ne
    的头像 发表于 08-21 16:49 1267次阅读

    【书籍评测活动NO.18】 AI加速器架构设计与实现

    创新的芯片架构设计,这正面临新的挑战。本书从神经网络的分析出发,总结和提炼了AI加速器架构设计中常见的难点,以及解决这些难点的技术、方法和思想,是AI软硬件架构师、设计师非常宝贵的参考资料。《 AI
    发表于 07-28 10:50

    MAX78000上开发功耗优化应用

    MAX78000为超低功耗微控制器,具有专用卷积神经网络(CNN)加速器。这种架构能够在能源受限的环境中开发非常节能的 AI 应用程序。MAX78000提供多种选择,便于开发低功耗应用
    的头像 发表于 06-16 11:41 436次阅读
    在<b class='flag-5'>MAX78000</b>上开发功耗优化应用

    三个最流行神经网络

    在本文中,我们将了解深度神经网络的基础知识和三个最流行神经网络:多层神经网络(MLP),卷积神经网络(CNN)和递归神经网络(RNN)。
    发表于 05-15 14:19 1105次阅读
    三个最流行<b class='flag-5'>神经网络</b>