在准备开始做工程之前,先了解一下现有的资源。这次用到的主要开发板是MAX78000FTHR开发板,0.96的黄蓝双色OLED显示屏,基于max30102的MAXREFDES117S模块。
资源的网页主要在这里:
https://www.analog.com/cn/search.html?query=max78000
双核超低功耗微控制器带FPU的Arm Cortex-M4处理器,工作频率最高可达100MHz 512KB闪存和128KB SRAM 16KB指令缓存帮助优化性能 用于SRAM的可选纠错码(ECC-SEC-DED)功能 32位RISC-V协处理器,工作频率最高可达60MHz 多达52个通用I/O引脚 12位并行摄像头接口 一个I2S主机/从机,用于数字音频接口
神经网络加速器针对深度卷积神经网络进行了高度优化 442k 8位权重容量,具有1、2、4、8位权重 高达1024 x 1024像素的可编程输入图像尺寸 多达64层的可编程网络深度 多达1024个通道的可编程网络每层通道宽度 一维和二维卷积处理 流模式 灵活支持其他网络类型,包括MLP和循环神经网络
电源管理延长电池应用的续航时间集成单电感多路输出(SIMO)的开关电源(SMPS) SIMO电源电压范围:2.0V至3.6V 动态电压调节尽可能地降低了内核功耗 在3.0V时缓存执行While循环的电流为22.2µA/MHz(仅CM4内核工作) 支持实时时钟(RTC)使能的低功耗模式的SRAM数据保留
安全性和集成度安全启动 AES 128/192/256硬件加速引擎 真随机数生成器(TRNG)的随机数种子生成器
人工智能(AI)需要超强的计算能力,而Maxim则大大降低了AI计算所需的功耗。MAX78000是一款新型的AI微控制器,使神经网络能够在互联网边缘端以超低功耗运行,将高能效的AI处理与经过验证的Maxim超低功耗微控制器相结合。通过这款基于硬件的卷积神经网络(CNN)加速器,即使是电池供电的应用也可执行AI推理,同时功耗仅为微焦耳级。 MAX78000是一款先进的片上系统,集成带FPU CPU的Arm® Cortex®-M4内核,通过超低功耗深度神经网络加速器实现高效的系统控制。CNN引擎具有442KB的权重存储器,可支持1、2、4和8位权重(支持高达350万权重的网络)。该CNN权重存储器基于SRAM,因此可进行AI网络的即时更新。同时,CNN引擎还集成了512KB的数据存储器。高度灵活的CNN架构允许用户通过PyTorch®和TensorFlow®等传统工具集训练网络,然后经Maxim提供的工具转换后在MAX78000上运行。 除CNN引擎的存储器之外,MAX78000还具备适配微控制器内核的大型片内系统存储器,具有512KB的闪存和高达128KB的SRAM,支持多个高速和低功耗的通信接口,包括I2S和并行摄像头接口(PCIF)。 该器件采用81引脚的CTBGA(8mm x 8mm、0.8mm间距)封装。
应用音频处理:多关键字识别、声音分类、降噪 面部识别 目标检测和分类 时间序列数据处理:心率/生命体征信号分析、多传感器分析、预测性维护
上面是开发板的简要介绍,引用自网页,下面开始进入工程示例的学习阶段。