Conférences de fer. SOM i.MX6, Aliceduino, Keras + STM32Cube.AI

Tôt ou tard, chaque employé informatique curieux s'intéresse à découvrir ce que font ses collègues, à échanger des expériences et à étudier les nouvelles technologies qui apparaissent sur le marché. À ces fins, en règle générale, les représentants des grandes entreprises organisent diverses conférences, séminaires et autres réunions. En raison des spécificités de ses activités, nous discuterons plus en détail des collections consacrées aux produits ou technologies matérielles, et en particulier aux formats pour la tenue de telles réunions. Je veux partager avec vous, chers citoyens de Khabrovsk, les nouvelles et l'expérience de la visite de trois de ces événements au cours de la semaine dernière. Revoir dans la foulée.



25/09/2019 à Saint-Pétersbourg, un séminaire a eu lieu sur les microprocesseurs de la série i.MX6, qui a parlé de cela et de plusieurs autres familles de microprocesseurs NXP, y compris l'annonce d'une nouvelle ligne - i.MX8 M pico . De plus, les caractéristiques de la transition des systèmes à microcontrôleurs aux systèmes à microprocesseur ont été examinées. Je voudrais noter que la plupart du temps, le séminaire était consacré à la partie pratique - travailler avec une carte de démonstration basée sur i.MX6 ULL fonctionnant sous Linux embarqué. Ce KIT est le suivant:

• Module VisionSOM-6ULL SOM, fabriqué selon la norme SODIMM200, sur lequel se trouvent le microprocesseur, la RAM et la ROM (NAND \ eMMC \ uSD);
• Carte mère avec connecteurs d'interface (Ethernet 10 \ 100, USB OTG, hôte USB, console UART-USB).

Carte de démonstration VisionCB-6ULL-STD


Il semble que rien de spécial, mais le fait que tout cela soit émis dans le cadre de la conférence est une leçon avec les participants pour commencer à travailler avec cet équipement (chargement de l'image OS sur une carte microSD, démarrage du système Linux, travail avec GPIO, paramètres d'interface réseau et un serveur DHCP) et une démonstration de diverses fonctionnalités (un exemple de travail avec un module de gyroscope, la mise en œuvre d'un simple serveur WEB, de travail avec un module NFC) - J'ai personnellement eu un véritable respect. Cette approche est inspirante. De plus, tous les panneaux de démonstration émis ont été donnés aux participants par la société organisatrice pour une étude plus approfondie. Parmi les lacunes, il convient de noter que la présentation principale du représentant NXP et les cours pratiques ont eu lieu en anglais, ce que les organisateurs de la réunion n'ont mentionné nulle part ailleurs. Pour moi, ce n'était pas un problème, cependant, des auditeurs manifestement insatisfaits étaient également présents, en général, c'était très intéressant d'être présent à cette conférence-séminaire - comme si j'allais aux instituts. Un grand merci aux organisateurs - DECTEL Electronics et aux représentants de l'entreprise.

De plus, dans mon calendrier, la visite du webinaire du 28/08/2019, tenue par la société partenaire STM - Doulos, dédiée à la mise en place de réseaux neuronaux dans les microcontrôleurs STM32 a été notée. Je suis loin de l'apprentissage automatique et des réseaux de neurones, mais regarder ces choses est extrêmement intéressant et instructif. Il s'avère donc qu'en plus des CPU et GPU qui sont déjà familiers, ils utilisent MCU et FPGA pour commencer à utiliser des réseaux de neurones (ou peut-être déjà les utiliser activement quelque part). Contrairement au cloud computing bien connu, les solutions intégrées, en plus des lacunes évidentes de la mémoire et de la puissance, ont leurs propres avantages: faibles délais de décision, coûts et consommation d'énergie. L'idée est que l'étape de formation du réseau de neurones, consommatrice de ressources, est effectuée sur la machine hôte ou dans le cloud, et le réseau déjà formé et configuré est ensuite assemblé et flashé dans le microcontrôleur. Le webinaire a présenté un exemple de la chaîne d'outils Keras (un cadre Python de haut niveau pour créer des réseaux de neurones) + STM32Cube.AI (un package d'extension pour STM32CubeMX pour intégrer des réseaux de neurones dans les microcontrôleurs STM32). La démonstration s'est terminée au moment de générer un certain code C sous la forme d'un immense tableau alloué dans la mémoire de la bibliothèque MK et run-time. Ma question dans le chat "Comment communiquer avec le réseau neuronal résultant du firmware?", Malheureusement, a été ignorée et même interdite pour une raison quelconque. Mais, néanmoins, le sujet est intéressant et en tout cas il vaut mieux connaître ces outils accessibles que de ne pas savoir.


Schéma fonctionnel d'une application utilisant un réseau neuronal intégré


Génération de code pour MK STM32 à partir d'un modèle de réseau de neurones obtenu à l'aide de Keras

Eh bien, le week-end est venu et vous pouvez vous rendre en toute sécurité à la première conférence pour Yandex.Zhelezo pour les développeurs de matériel. Les principaux sujets abordés lors de cet événement étaient: l'introduction d'Alice dans sa maison intelligente, les algorithmes et le remplissage matériel d'une voiture sans pilote, et, bien sûr, le déjeuner. Yandex promeut activement son assistant vocal, y compris dans le domaine de la maison intelligente, et est bien conscient qu'il est impossible de prendre en charge absolument tous les appareils, des appareils ménagers aux appareils personnalisés des mangeoires pour chats et similaires. Par conséquent, ils proposent désormais Alice en tant qu'interface, l'API dont les fabricants d'appareils électroménagers pourraient implémenter et prendre en charge leurs appareils. En outre, ils ont annoncé, à mon avis, une solution extrêmement réussie, à la fois pour les grands fabricants d'équipements et pour les développeurs de bricolage - Aliceduino . Malheureusement, je n'ai pas pu faire de photo de la carte elle-même, mais je peux partager les schémas fonctionnels des modules et une brève description.


Annonce d'Aliceduino - cartes d'extension avec prise en charge d'Alice (la photo de la carte n'est pas vraie)

Il s'agit d'un module qui dispose du WiFi, d'une entrée microphone et d'une sortie sous la forme d'un UART 5V régulier, qui vous permet de traiter les commandes vocales en temps réel. Au moment de l'annonce, il y avait deux modes de fonctionnement:

1. Reconnaissance vocale (dans UART, mots sous forme de chaînes reconnues après le mot "Alice" entrer)

2. Reconnaissance du sens (pas les mots viennent à l'UART, mais les commandes *)
* Besoin d'interagir avec les outils Yandex

La carte microphone est disponible en plusieurs configurations, selon l'application et l'application.


Options de carte de microphone pour Aliceduino. 2, 4, 7 - performances du microphone

Le module lui-même est un système sur module (SOM) + carte d'extension avec un sous-système audio (codec audio et amplificateur pour la sortie du son vers un haut-parleur externe)


Diagramme fonctionnel SOM - Cerveau d'Alice


Carte d'extension de schéma fonctionnel avec sous-système audio et broches UART

En conséquence, nous obtenons l'intégration d'Alice dans nos applications à l'aide de 4 fils:
RX, TX, + 5V, GND. Ils ne pouvaient pas exprimer le coût approximatif, car la diffusion n'a pas encore été publiée. La mise en vente, comme mentionné, est prévue pour la nouvelle année.

Les rapports étaient extrêmement riches et intéressants. Honnêtement, je ne m'attendais pas à quitter l'événement avec autant d'enthousiasme. Encore une fois, je tiens à exprimer ma profonde gratitude aux organisateurs.


En résumé, je tiens à noter à quel point les conférences sont devenues diverses et fascinantes sur les glandes. Si avant, mis à part la publicité de composants électroniques et de petits stands à planches, je ne voyais rien, alors cette fois, une approche aussi interactive et vivante de la démonstration des produits m'a fait très plaisir. Je veux y participer et promouvoir de toutes les manières possibles. Je vous remercie

PS Je m'excuse pour la qualité de la photo. Vous trouverez ci-dessous des liens vers les technologies mentionnées.

1.somlabs.com/news-room/visionsom-6ull-new-som-imx6-ull
2. www.tensorflow.org/guide/keras?hl=en
3.www.st.com/content/st_com/en/stm32-ann.html