使用 ARM Ethos-U NPU 的嵌入式系统机器学习

学习使用ARM NPU的微控制器的AI、ML和TensorFlow Lite

讲师：Wadix Technologies

---

你将学到

• 学习在嵌入式设备上进行 Tiny Machine Learning 模型的完整工作流
• 了解 TensorFlow Lite for Microcontroller (TFLM) 库如何解析并在你的嵌入式设备上运行机器学习模型
• 了解标准机器学习模型在嵌入式系统中的局限性，以及在资源受限设备上需要不同且优化的工作流
• 学习 ARM 如何帮助创建和定义专用硬件、架构和编译器，以实现嵌入式设备上的模型推理
• 了解基于 ARM 的机器学习硬件加速器系列（Ethos‑U）以及这些加速器在系统芯片中的集成方式

要求

• 具备一定的嵌入式系统设备及其限制的了解
• 对基于 ARM 的架构和系统集成有基本认识

课程描述

使用 ARM Ethos-U 的嵌入式系统机器学习

你准备好将机器学习的强大能力带入嵌入式系统的世界了吗？本课程将带你完成从模型构建、训练到在真实 基于 ARM 的硬件上使用专用 NPU 运行的完整动手实践。

大多数 机器学习 课程只停留在理论或训练阶段，而本课程更进一步：你将实际在嵌入式设备上部署并运行模型，弥合机器学习与工程实践之间的鸿沟。

你将学习的内容

嵌入式 AI 背后的核心机器学习理论

• 理解神经网络执行流水线的各个阶段
• 探讨卷积、展平、激活函数以及 CNN 中的 softmax
• 学习如何为资源受限设备优化 机器学习操作

模型准备工作流

• 在 TensorFlow 中训练模型
• 将模型转换为轻量级 .tflite 格式
• 使用 ARM Vela 编译器针对 Ethos‑U NPU 进行优化和编译

在嵌入式设备上运行推理

• 使用 C++ 的 TensorFlow Lite Micro (TFLM) 执行模型
• 了解机器学习操作如何映射到 CMSIS‑NN 内核以及 Ethos‑U 硬件加速器
• 掌握完整的推理路径——从模型到硅片

真实硬件动手实验

• 搭建并运行 Alif E7 ML 开发套件
• 构建并部署关键词检测和图像分类示例
• 在设备上直接观察实时输出

本课程的独特之处

• 弥合机器学习理论与真实嵌入式部署之间的差距
• 覆盖完整工作流——从训练到 NPU 执行
• 采用基于 Alif E7 ML 开发套件的实硬件驱动教学方式
• 项目设计易于在 Windows 机器上复现

课程结束后，你将拥有在现代嵌入式系统上高效运行 机器学习模型 的信心和技能，这些技能在物联网、机器人和边缘 AI 应用中需求旺盛。

无论你是想为自己的技能树添加 AI 的嵌入式工程师，还是希望在硬件加速器上部署模型的机器学习从业者，本课程都将为你在 AI 与嵌入式系统 的未来提供竞争优势。

立即报名，开始构建下一代嵌入式 AI 应用！

适合人群

• 希望开始学习嵌入式设备机器学习的嵌入式系统开发者