- 1. 購買套件
- 2. 創建用戶賬戶
- 3. 開發環境
- 4. 探索演示內容
Tiny Edge AI/ML 是什么？
在物聯網行業中，“邊緣”是指在本地執行計算而不依賴云計算的設備。最新的開發 Tiny Edge 使計算更接近生成數據的位置，例如傳感器節點。這種轉變從集中式、基于云的解決方案轉移到邊緣節點的分布式網絡，該網絡在本地收集、處理和推理數據。到 2027 年，預計將有超過 30 億臺配有 TinyML 的設備出售。TinyML 是 AI 的一個子集，專門用于在 Tiny Edge 設備上部署機器學習模型。這種增長是由社會趨勢驅動，例如對速度、隱私和連接的需求。此外，從有線到無線技術的過渡正在進一步加速 Tiny Edge 設備的采用。
使用 Silicon Labs SoC 的機器學習應用
Silicon Labs 的無線 SoC 支持一系列 ML 應用，例如用于預測性和預防性維護的傳感器信號處理、用于醫療保健的生物信號分析，以及冷鏈監控。它們還為安全應用程序啟用音頻模式匹配，為智能設備控制啟用語音命令，以及為人數統計和存在檢測等任務啟用低分辨率視覺識別。SoC 提供各種 RAM 尺寸，以滿足不同的應用要求。機器學習模型應用于來自傳感器的數據，例如麥克風、攝像頭以及測量加速和溫度等時間序列數據的傳感器。這些模型包括音頻模式匹配、喚醒詞/命令詞檢測、指紋讀取、始終在線的視覺以及圖像/對象分類和檢測。然后可以根據要求，進一步處理檢測到的事件。
Silicon Labs AI/ML 之旅
Silicon Labs 可加速 AI/ML 設備的開發，首先是概述流程中的每一步，并在項目的每個階段為您提供幫助。我們將簡化您的開發之旅，幫助您更快速、更高效地將設備推向市場。
下面概述了 AI/ML 開發之旅中的三個關鍵階段，以及要成功完成每個階段所需滿足的條件。
開始
構建您自己的解決方案
預建解決方案
1. 購買套件：硬件和示例
Silicon Labs 提供多種開發和探索套件，從超低成本小封裝，到用于構建強大網絡的緊湊、功能豐富的平臺。我們有幾個令人興奮的演示，包括喚醒詞檢測、Pacman 和手勢控制。這些功能豐富的套件支持多種協議，并具有不同的內存配置，配備各種傳感器和外圍設備，可執行快速調試和快速原型設計。根據您感興趣的演示，請在下面選擇最適合您需求的套件。演示與硬件無關。
| ? |  |
 |
 |
| 套件 | EFR32xG24 開發套件 | EFR32xG28 Explorer Kit | EFR32xG26 +10 dBm 開發套件 |
| OPN | (xG24-DK2601B) | (xG28-EK2705A) | (xG26-DK2608A) |
| 支持的協議 | 藍牙、Matter、專有、Thread、Zigbee | 藍牙、Sidewalk、Wi-SUN、Z-Wave | 藍牙、Matter、專有、Thread、Zigbee |
| 描述 | EFR32xG24 開發套件是一款緊湊、功能豐富的開發平臺。它能夠快速開發無線物聯網產品，并完成原型設計。 | EFR32xG28 Explorer Kit 是基于 EFR32xG28 SoC 的小封裝開發與評估平臺，主要用于 1 GHz 以下和藍牙低功耗物聯網應用的快速原型設計與概念創建。 | EFR32xG26-DK2608A 開發套件是一款緊湊、功能豐富的開發平臺。它能夠快速開發無線物聯網產品，并完成原型設計。 |
| 價格 | $79 USD | $34 USD | $89 USD |
| 閃存/RAM | 1536 kB / 256 kB | 512 kB / 32 kB | 3.2 MB / 512 kB |
| MVP | ? | ? | ? |
| 傳感器 | 慣性傳感器、立體聲麥克風、壓力傳感器、環境光傳感器 | 溫度傳感器 | 慣性傳感器、立體聲麥克風、壓力傳感器、環境光傳感器 |
2. 創建用戶帳戶
在等待開發套件期間，我們建議設置您的用戶帳戶。
Silicon Labs 帳戶：
Silicon Labs 帳戶：此帳戶將為您提供訪問我們的開發人員社區、入門指南、私有 GitHub 存儲庫和 Simplicity Studio 開發環境的權限。您可在此處創建賬戶，或驗證賬戶訪問權限。
3. 設置開發環境
雖然我們知道您在選擇開發環境時有很多選項，但我們相信 Simplicity Studio 才是適用于開發藍牙設備的正確之選。原因如下：
- Simplicity Studio 包含編程器和調試器功能，因此您不必擔心手動設置。
- 認識您購買的電路板，并確定您可以使用的示例應用。
需要幫助設置環境嗎？我們的入門指南將讓您立即啟動和運行。
下載 Simplicity Studio v5 的完整在線安裝程序版本：
4. 探索演示內容
這里列出了一些其他思路，只需對下方建議的參考示例應用進行修改，通過極少量的編碼即可輕松將這些思路轉變為現實產品。這些用例并非作為即用型演示內容而提供，而是為進一步的評估營造了適當環境。
其他演示內容
從頭開始開發應用程序非常困難，因此，Simplicity SDK 附帶多個內置的演示內容和示例，涵蓋最常見的用例。
Pac-Man
玩流行的 Pac-Man 游戲，大聲說出關鍵詞 - Go，Left，Right，Up，Down，Stop。應用程序使用關鍵詞檢測。可以使用 Simplicity Studio 來控制開發板。該演示也作為 Simplicity Studio 的一部分提供。
推薦的套件：
音頻分類器 (Audio Classifier)
此應用程序使用面向微控制器的 TensorFlow Lite，對 Micrium OS 內核任務中麥克風上記錄的音頻數據進行分類。該分類用于控制開發板上的 LED。該演示也作為 Simplicity Studio 的一部分提供。
推薦的套件：
魔杖 (Magic Wand)
此應用程序演示了一個模型經過訓練，可以使用加速度計來識別各種手勢。檢測到的手勢會打印到串行端口。該演示也作為 Simplicity Studio 的一部分提供。
推薦的套件：
閃爍 (Blink)
此應用程序演示了一個模型經過訓練，可以復制正弦函數。該模型持續接受 0 至 2pi 的值，模型的輸出用于控制 LED 的強度。該演示也作為 Simplicity Studio 的一部分提供。
推薦的套件：
1. 構建模型
您的 .tflite 文件已經準備好了？跳到下一步：“測試和驗證”。
訓練您的模型，并準備將其轉換為可部署的格式。
如果您熟悉 ML 開發，請遵循以下步驟：
自定義代碼
首先，設計和訓練您的 AI/ML 模型。這包括收集和預處理數據、選擇適當的模型以及設置訓練參數。
為了幫助您從頭開始構建模型，我們提供了一個 Python 包，其中包含命令行實用程序和腳本，以幫助您構建自己的模型。
有關在機器學習模型上開發的支持，請參閱 TensorFlow 文檔。有關將模型轉換為 .tflite 的支持，請參閱 LiteRT 文檔。?
如果您正在尋找預先構建的機器學習解決方案，請跳到最后一個選項卡“預構建解決方案”
2. 測試和驗證
根據嵌入式目標，評估模型的性能，驗證模型，以確保其符合要求的性能指標。
?
可選工具：MLTK 模型分析器
MLTK 模型分析器提供有關模型在嵌入式目標上運行效率的信息。模型分析器可以在模擬器中或在物理嵌入式目標上執行 .tflite 模型文件。
注：此工具是可選的，尚不受 Silicon Labs 的正式支持。
3. 部署模型
集成經過驗證的模型并部署到嵌入式設備上。
- 添加 AI/ML SDK 擴展
- 在 Studio 中配置 TensorFlow 微型組件：設置組件，為您的嵌入式設備選擇正確的內核?
- 納入并運行模型：將 .tflite 模型復制到 Simplicity Project的 config 文件夾中?
- 實施后期處理：添加必要的后處理步驟，以處理模型的輸出，并將其與應用程序的邏輯整合?
交鑰匙解決方案
Silicon Labs SoC 上的預構建、部署就緒型 AI/ML 解決方案，可以簡化開發過程，加快上市時間。
設計合作伙伴
Silicon Labs 已預篩選并認證了以下第三方 AI/ML 設計服務公司
，以幫助您設計和開發定制 AI/ML 解決方案。
開始
1. 購買套件
2. 創建用戶賬戶
3. 開發環境
4. 探索演示內容
構建您自己的解決方案
1. 構建模型
2. 測試和驗證
部署模型
預建解決方案
合作伙伴
