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

通过CMSIS接口标准优化机器学习的应用

星星科技指导员 来源:嵌入式计算设计 作者:Saumitra Jagdale 2022-06-01 14:16 次阅读

接口兼容性决定了硬件设备和外围设备的应用范围。CMSIS 就是这样一种接口标准,它允许集成来自多个供应商的软件实体。最近发布的 Keil MDK-ARM 5.35 突出了 CMSIS 从 5.7.0 到 5.8.0 的特定更新,这是开发套件的主要组件。

CMSIS 通过集成各种包和模块,从软件角度增强了嵌入式项目。它带有一系列工具、API 和框架,可帮助嵌入式开发人员实现流畅的应用程序构建。此外,从开发的角度来看,实时操作系统和中间件组件提供了多种选择。

CMSIS-Pack 的组织结构使其适用于划分和克服应用程序的复杂要求。随着 5.8.0 版本的发布,CMSIS-NN 和 CMSIS-DSP 已从复合 CMSIS 核心中分离出来,后者是 CMSIS 包的主要组件之一。这种自由裁量权允许集中开发机器学习信号处理功能,并且包的相应发布周期独立于主要的 CMSIS 核心版本。

CMSIS-DSP 包有一些小的变化,一些 GCC 问题已通过将 DSP 包离散更新到 1.9.0 版本而得到修复。更新后的软件包增强了对 f16 数据类型的支持,以便对接收到的数据进行有效的信号处理。此外,还从存储库中删除了一些预构建的库,以获得更清晰的包源。

TensorFlow Lite 框架将接口机器学习本质添加到硬件应用程序中。更新后的 CMSIS-NN 包在 TensorFlow Lite 微控制器框架支持的功能接口上发生了一些重大变化。另外,这个版本通过 M-Profile Vector Extension 的处理相对更好,这是由于最大池算子的实现。运算符在非重叠区域上工作以减小向量或矩阵的大小。这导致机器学习用例的优化处理。

ARM 嵌入式工具高级总监 Reinhard Keil 表示:“最新的 CMSIS 版本 5.8.0 对在 Cortex-M55 处理器中实现的 Helium 矢量扩展支持有额外的性能改进。这包括优化 CMSIS-DSP 算法集合和用于机器学习应用的高效神经网络内核 CMSIS 集合。”

CMSIS 核心的启动代码

C 启动代码最初是在 CMSIS 5.6.0 中引入的,它增加了代码的可移植性和复杂构建的开发简易性。CMSIS 核心中的设备启动代码现在可以直接用 C 语言编写,这使其独立于编译器工具链。此外,CMSIS 5.8.0 的发布使 C 启动成为设备的默认启动。

进一步讨论,GCC Linker Description 和 GCC Assembler startup 的更新很少。到目前为止,汇编代码使用字节计数来进行 BSS(由符号开始的块)和零部分的初始化的复制/零表。另一方面,C 启动代码使用字数而不是字节数。在 CMSIS 5.8.0 中,两个启动代码变体都使用相同的复制/零表布局。因此,它提供了从汇编代码到 C 启动代码来回切换的灵活性。

Armv8-M Assembler 启动已更新为使用 CMSIS 5.8.0 版本的 GAS 语法。最新的 ARM 编译器 6 支持传统的 Arm Assembler(armasm),使软件向后兼容所有设备。Arm Compiler 6 以 LLVM/Clang 为基础,因此较新处理器的汇编代码需要采用 GAS 语法。

CMSIS 是一个开源项目

CMSIS 是 GitHub 上的一个开源项目。由于先前版本的实现在某些小点上使接口失败,因此很少出现问题。这些问题中的大多数将在下一个版本中得到解决,但可以通过在本地技术堆栈中进行一些更改来解决它们。您可以通过访问CMSIS 5.8.0 版本的 GitHub 查看这些问题和修复。

该存储库是开源的,因此它有助于解决用户和合作伙伴报告的潜在安全漏洞问题。它允许每个用户访问详细的修订历史、提交细节和已知问题,这些问题可能会影响一些依赖先前实现的副作用的用户。

CMSIS 中属于软件打包和构建过程的其他组成部分正在转向 Open-CMSIS-Pack 项目,该项目可以增加开发和应用方面的更多可能性。因此,这是一个由 Arm 和 NXP、STMicroelectronics 和 Linaro 等行业合作伙伴推动的开放式治理项目。

审核编辑:郭婷

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
  • dsp
    dsp
    +关注

    关注

    544

    文章

    7673

    浏览量

    344244
  • 嵌入式
    +关注

    关注

    4977

    文章

    18255

    浏览量

    287983
  • 编译器
    +关注

    关注

    1

    文章

    1573

    浏览量

    48604
收藏 人收藏

    评论

    相关推荐

    USB接口不能直接通过双头USB数据线直连的主要原因

    USB接口不能直接通过双头USB数据线直连的主要原因  USB(通用串行总线)接口是计算机和外部设备之间传输数据的一种通用接口标准。USB接口
    的头像 发表于 01-09 14:00 676次阅读

    NGFF连接器67PIN接口标准

    近年来,随着英特尔新一代接口标准的发布,NGFF M.2 KYE连接器硬盘接口成为了人们关注的焦点。作为专为超极本量身定做的新一代接口标准,M.2 NGFF接口的尺寸仅为42mm x
    的头像 发表于 10-31 18:33 741次阅读
    NGFF连接器67PIN<b class='flag-5'>接口标准</b>

    首个国内《芯粒互联接口标准》Chiplet接口测试成功

    接口采用12nm工艺制造,每个D2D单元为8通道设计,合计提供高达256Gb/s的传输带宽,可采用更少的封装互连线以降低对封装的要求,最少仅需要3层基板进行2D互连;基于专门优化的精简协议层和物理层,可实现ns级别的端到端延迟,各项指标符合《芯粒互联
    发表于 09-11 15:03 431次阅读
    首个国内《芯粒互联<b class='flag-5'>接口标准</b>》Chiplet<b class='flag-5'>接口</b>测试成功

    将RTX迁移到CMSIS-RTOS

    CMSIS-RTOS API是基于Cortex-M处理器的设备的通用RTOS接口CMSIS-RTOS为需要RTOS功能的软件组件提供了标准化的API,因此给用户和软件行业带来了巨大
    发表于 09-04 06:37

    如何使用机器学习在M480上执行关键字识别

    应用程序: 本样本代码使用机器学习来在 M480 上执行关键字识别。 BSP 版本: M480系列 BSP CMSIS V3.04.000 硬件: NuMaker-PFM-M487 VER 3.0
    发表于 08-29 06:46

    使用机器学习在M480上执行关键字识别

    应用程序: 本样本代码使用机器学习来在 M480 上执行关键字识别。 BSP 版本: M480系列 BSP CMSIS V3.04.000 硬件: NuMaker-PFM-M487 VER 3.0
    发表于 08-22 08:02

    新唐是否提供CMSIS Driver程序库作为KEIL的标准组件?

    新唐是否在未来会提供CMSIS Driver程序库作为KEIL的标准组件? 如题, CMSIS drvier的优势相信大家都比较熟悉了, 做到了与平台无关的统一CMSIS
    发表于 08-21 07:47

    机器学习有哪些算法?机器学习分类算法有哪些?机器学习预判有哪些算法?

    机器学习有哪些算法?机器学习分类算法有哪些?机器学习预判有哪些算法?
    的头像 发表于 08-17 16:30 1377次阅读

    机器学习theta是什么?机器学习tpe是什么?

    解一下theta。在机器学习中,theta通常表示模型的参数。在回归问题中,theta可能表示线性回归的斜率和截距;在分类问题中,theta可能表示多项式模型的各项系数。这些参数通常是通过训练数据自动
    的头像 发表于 08-17 16:30 1189次阅读

    机器学习是什么意思?机器学习属于什么分支?机器学习有什么用处?

    机器学习是什么意思?机器学习属于什么分支?机器学习是什么有什么用处?
    的头像 发表于 08-17 16:30 1259次阅读

    机器学习和深度学习的区别

    的区别。 1. 机器学习 机器学习是指通过数据使机器能够自动地
    的头像 发表于 08-17 16:11 3299次阅读

    如何使用Arm CMSIS-DSP实现经典机器学习

    通常,当开发人员谈论机器学习(ML)时,他们指的是神经网络(nn)。 神经网络的巨大优势在于,你不需要成为一个领域专家,而且可以迅速找到一个可行的解决方案。神经网络的缺点是它们通常需要无数的记忆
    发表于 08-02 07:12

    基于机器学习算法的校准优化方案

    基于机器学习算法的校准优化方案
    发表于 06-29 12:35 252次阅读
    基于<b class='flag-5'>机器</b><b class='flag-5'>学习</b>算法的校准<b class='flag-5'>优化</b>方案

    机器学习笔记之优化-拉格朗日乘子法和对偶分解

    优化机器学习中的关键步骤。在这个机器学习系列中,我们将简要介绍优化问题,然后探讨两种特定的
    的头像 发表于 05-30 16:47 1420次阅读
    <b class='flag-5'>机器</b><b class='flag-5'>学习</b>笔记之<b class='flag-5'>优化</b>-拉格朗日乘子法和对偶分解

    通过机器学习发现规则

    希望机器学习将取代基于规则的系统是没有根据的。后者通常比复杂的机器学习模型更高效、更便宜。由于企业总是对效率视而不见,基于规则的系统将继续存在。
    的头像 发表于 05-04 11:13 455次阅读