Créer une plate-forme Linux embarquée avec l’outil System Workbench pour Linux

Mis en ligne le 26 novembre 2020 à 12:33           Ac6

Télécharger le document      4770ko

Dans ce white paper de 12 pages écrit en anglais, l’éditeur français Ac6, concepteur de l’environnement System Workbench pour Linux, présente en détail comment fonctionne cet IDE pour systèmes Linux embarqués, avec un exemple concret d’installation sur une carte d’évaluation architecturée autour du processeur i.MX 8M de NXP, une puce-système dotée d’un cœur Arm Cortex-A53 et d'un cœur Cortex-M4 (la technologie fonctionne avec la même philosophie sur un STM32 ou sur une puce MPSoC Xilinx intégrant des cœurs Arm Cortex-A53 et Cortex-R5).

Ac6 System Workbench pour Linux est un environnement de développement intégré (IDE) destiné à la mise en œuvre de systèmes Linux embarqués. Il fournit un environnement unifié pour l'ensemble du processus de développement. Bien qu’il existe d’autres solutions, dont certaines en open source (comme BuiltRoot), celles-ci doivent combiner des outils indépendants, soit fondés sur la ligne de commande, soit par le biais d’une interface utilisateur graphique. System Workbench pour Linux est le seul à intégrer l'ensemble du processus dans un seul outil. Et ce sans se couper d’environnements Linux comme Yocto, pour lequel AC6 System Workbench est capable de récupérer des packages pour les enrichir.

Construire en 5 étapes une caméra intelligente fonctionnant sur piles avec un microcontrôleur multicœur

Mis en ligne le 08 janvier 2021 à 11:38           GreenWaves

Télécharger le document      364ko

Pour les développeurs, la consommation d'énergie est souvent la principale préoccupation lors de la conception d'un système de caméra fonctionnant sur piles qui interprète les images acquises par un capteur embarqué à l’aide d’un algorithme d’apprentissage automatique. Dans ce white paper de 5 pages en anglais, GreenWaves détaille pas à pas les étapes nécessaires pour réaliser un tel système en s’appuyant sur ses processeurs d'application GAP qui combinent une consommation d'énergie ultrafaible avec un traitement de signal sophistiqué et des algorithmes de réseau neuronal.

Le white paper montre notamment comment concevoir et déployer un modèle d'apprentissage en profondeur (deep learning) pour la reconnaissance d'images sur une architecture GAP8. Grâce à son architecture de classe microcontrôleur dotée d’une consommation optimisée et conçue pour les charges de travail intensives d'intelligence artificielle, le GAP8 est une solution adaptée lorsqu'il est associé à des caméras à faible consommation.

Dans l’exemple exposé, après l'apprentissage et la conversion d'un modèle à l'aide de la boîte à outils TensorFlow, l'ensemble des outils liés à GAPflow sont exploités pour implanter les modèles entraînés sur la puce GAP8. L'ensemble permet d’intégrer une IA de manière transparente et fournit une solution optimisée en termes de consommation que les experts en IA ou les concepteurs de systèmes embarqués peuvent utiliser pour créer des produits de nouvelle génération.

Voir tous les white papers