Equipado con un moderno procesador, el módulo SMARC LEC-IMX8MP para aceleración de IA proporciona un rendimiento de hasta 2,3 TOPS.
ADLINK, especialista en computación en el borde de la red (edge), anuncia el lanzamiento del módulo SMARC LEC-IMX8MP, el primero de tipo AIoM (AI-on-Module, inteligencia artificial en módulo) compatible con SMARC rev. 2.1.
Utiliza el SoC (System-on-Chip) NXP i.MX 8M Plus, pensado para su uso en aplicaciones de IA en el borde de la red.
El LEC-IMX8MP integra la NPU, la VPU, el ISP y la GPU de NXP, ofreciendo un tamaño compacto para su uso en aplicaciones de la IA preparadas de cara al futuro, para el sector de la IoT/AIoT, smart homes, smart cities, etc.
Integra un potente procesador ARM Cortex-A53 de cuádruple núcleo funcionando a 1,8 GHz que dispone de una unidad de procesamiento neuronal (NPU por sus siglas en inglés) que proporciona un rendimiento de 2,3 TOPS (Terra Operations Per Second) para inferencia de machine learning en el borde, siendo adecuado para su uso en aplicaciones que requieran de sistemas de machine learning y visión, emparejados con sensores inteligentes que permiten la toma de decisiones a nivel industrial.
El módulo SMARC LEC-IMX8MP para aceleración de IA dispone de salidas para gráficos LVDS, DSI, y HDMI, bus CAN/USB 2.0/USB 3.0 dual, puertos Ethernet Gigabit duales (uno de ellos con TSN), e interfaz de audio I2S. Tiene un bajo consumo energético, típicamente inferior a los 6 W.
El diseño rugerizado es capaz de aguantar temperaturas operativas de entre -40 y +85 grados centígrados, además de entornos en los que el dispositivo esté sujeto a golpes y vibraciones, como los industriales.
Software para el módulo SMARC
Cuenta con soporte BSP para Debian, Yocto y Android, incluyendo HAL (capa de abstracción de hardware por sus siglas en inglés) MRAA, que permite a los ingenieros sustituir módulos, HATs de sensores, y código de puertos escrito en los entornos de Raspberry Pi o Arduino para la I-Pi.
También soporta el software de machine learning elQ de NXP con inferencia consecutiva en núcleos de CPU, núcleos de GPU, y núcleos de NPU.
A esto se le incluye el soporte para los modelos Caffe, TensorFlow Lite, PyTorch y ONNX, con habilitación para modelos como MobileNet SSD, DeepSpeech v1, y segmentación de redes.
Os dejo el enlace a la página del producto.
