XiaoMi-AI文件搜索系统
World File Search SystemK210
基于 K210 (RISC-V) 的 Kittenbot KOI AI 模块
该模块功能强大，可在模块本身上进行 AI 处理和模型训练，并支持导入预训练模型。此外，它还配备了可调节摄像头、麦克风、扬声器和 IPS 显示屏，是开始使用 AI 的完整套件！借助板载集成 Wi-Fi，您的设备可以连接到云端上传和处理数据，这是机器学习的重要组成部分。它还可以实现视觉识别、语音识别、语音合成等功能。它的多种功能使 AI 学习更加系统和全面。如果您想将此模块与您的乐高项目连接，它有 4 个乐高安装孔，可帮助您连接到乐高项目。
基于K210（RISC-V）的一体化AI开发平台
在了解MAIX产品系列之前，非常有必要了解一下MaixPy项目，它可以帮助您快速使用AI模块。MaixPy是将Micropython移植到K210芯片的项目（在K210上运行Micropython解析器），即用户最终可以通过Micropython编程来控制K210芯片的功能。例如，可以通过Micropython编程直接调用固件内置的人脸识别算法，最终生成Micropython文件，下载到Flash芯片上运行。此外，MaixPy支持MCU的正常运行，并集成了机器视觉和麦克风阵列，可以以极低的成本和实用性快速开发AIoT领域的智能应用。
使用 RISC-V SoC 上的开放软件开发 AI IoT 应用程序
摘要 —RISC-V 是一种新兴架构，在低功耗物联网应用中逐渐强大。架构扩展的稳定和基于 RISC-V 的 SOC（如 Kendryte K210）的商业化的开始，引发了一个问题：这个开放标准是否会促进特定市场应用程序的开发。在本文中，我们评估了与 Sipeed MAIX Go 开发板相关的开发环境、工具链、调试过程，以及 Kendryte K210 的独立 SDK 和 Micropython 端口。还研究了内置卷积神经网络加速器的训练管道，支持 Tiny YOLO v2。为了深入评估上述所有方面，我们开发了两种基于 AI 的低成本、低功耗物联网边缘应用程序。第一个应用程序能够识别房屋内的移动，并自主识别移动是由人还是由家养宠物（例如狗或猫）引起的。在当前 COVID-19 疫情的背景下，第二个应用程序能够标记行人是否戴着口罩，以平均 13 FPS 的速度进行实时物体识别。在整个过程中，我们可以得出结论，尽管硬件具有潜力且具有出色的性能/成本比，但开发人员的文档很少，开发环境的成熟度较低，有时甚至没有调试过程。索引术语 —RISC-V、物联网、人工智能、AIoT、Kendrite K210、Sipeed MAIX、CNN 硬件加速器。
采用混合 CMOS-RRAM 集成的混合信号神经形态计算电路
随着深度神经网络 (DNN) 在嵌入式设备上的广泛应用，硬件的能效和尺寸成为关注焦点。例如，最近基于 Arduino 的 MAIXDuino 套件集成了用于卷积神经网络 (CNN) 的 K210 神经网络处理器，旨在开发嵌入式人工智能 (AI) 和物联网 (IoT) 解决方案 [1]，[2]。在这种 Edge-AI 加速器专用集成电路 (ASIC) 中，DNN 模型在图形处理单元 (GPU) 上使用基于梯度下降的反向传播或 Backprop 算法 [3]–[5] 进行离线训练，然后“传输”到“推理”ASIC。反向传播是计算密集型的，由于冯诺依曼瓶颈，大量数据在内存和 CNN 加速器之间不断穿梭，因此会消耗大量能量。人们越来越重视创新“非冯·诺依曼”架构，即在内存内部执行计算。此类架构有望利用超越摩尔或后 CMOS 非易失性存储器 (NVM) 技术 [6]。这需要对整个设备、电路和算法层次结构中的非冯·诺依曼计算架构进行跨层研究。神经启发或神经形态片上系统 (NeuSoC) 架构将内存计算与基于稀疏尖峰的计算和通信相结合，以实现接近生物大脑能效的超低功耗运行 [7]。基于 NVM 的计算架构采用 1R 或 1T1R 交叉开关或交叉点架构，其中 DNN 权重存储在 NVM 单元的状态中，神经元驻留在