【小睿精选·第四期】谷歌开源更快、更高效的 TensorFlow 运行时 TFRT
【小睿精选】
【小睿精选】第四弹来啦，本期共收录6条嵌入式资讯信息，希望可以帮到你。欢迎大家在文末留言，唠一唠你关注的话题，说不定下期就有你想要的惊喜！
1、中科蓝讯与阿里"平头哥"达成合作，共研物联网芯片
日前国内最大蓝牙芯片厂商中科蓝讯与“平头哥”半导体达成合作，双方将基于“平头哥”的玄铁系列处理器及AI算法共同研发物联网芯片，用于无线蓝牙耳机、蓝牙音箱等产品。目前已启动研发一款智能语音芯片，预计明年出货量超3000万套。
资讯主页: http://www.bluetrum.com/news/32.html
公开消息显示，中科蓝讯自研的SOC芯片应用于高性能耳机、音箱、智能家电等领域，累计出货量超6亿颗。其创始人兼CEO刘助展认为，无线蓝牙耳机将最终进化成独立智能终端，语音功能是其“智能升级”的重要一步。为此，中科蓝讯引进平头哥玄铁系列处理器，依托平头哥智能语音平台开发新一代智能语音芯片。
2、Arm中国首款自主研发IP ("周易"AIPU)商用落地
Arm中国自 2018 年 4 月成立至今初满 2 年，第一款自主研发 IP 宣告商用落地。Arm中国的首款自主研发 IP 是 AI 产品“周易“ AIPU，首家采用的客户是全志科技，搭载于 R329 语音芯片中，目前样机和样片已问世，而算法合作厂商则是涵盖讯飞、思必驰等。
IP主页: https://www.armchina.com/ZhouYi.html
面向人工智能设计的周易AIPU（人工智能处理单元）, 采用为神经网络运行及相应的前后处理设计的专用指令集，具有均衡的可编程能力和优化的标准处理能力，满足不同人工智能算法需求。融合了多种执行粒度的指令，周易AIPU可以为人工智能提供能效比高的运算能力。周易AIPU适合各种端（边缘计算）侧人工智能设备，可以广泛应用于安防、智能家居、移动设备、物联网、车载等市场。
3、Qt发布Qt for MCUs 1.1，助力MCU端UI开发
近日，Qt公司发布了Qt for MCUs的最新的1.1版本，Qt for MCUs是 一个能够在微控制器驱动的显示设备上呈现类似智能手机般用户体验的完善的工具包 。
资讯主页: https://www.qt.io/blog/qt-for-mcus-1-1-released
Qt for MCUs通过专门为ARM Cortex-M微控制器开发的新的运行环境，同时利用芯片上的2D图形加速器（例如NXP i.Mx RT系列的PxP，STM32系列的Chrom-Art Accelerator， Renesas RH850的RGL）为用户提供了沉浸式的、丰富的用户界面。
新版本的Qt for MCUs 1.1具有以下新特性：
1- 支持NXP、ST的五个新的开发板
2- 引入全新资源系统，以便更灵活地将资源文件包含在应用程序中
3- 附带FreeRTOS技术预览版、支持Qt Charts for MCU
图片来源官网
Qt for MCUs为在汽车 、可穿戴设备、智能家居、工业和医疗领域的MCU联网设备提供了更加强大的直观的UI体验。
4、美光低功耗 DDR5 DRAM 芯片，助力5G和AI应用
内存和存储解决方案领先供应商 Micron宣布，摩托罗拉新推出 的 motorola edge+ 智能手机已搭载美光的低功耗 DDR5（LPDDR5）DRAM 芯片，从而为用户带来完整的 5G 体验。
美光 LPDDR5 DRAM 内存能满足多个行业对内存更高性能和更低功耗日益增长的需求，这不仅仅局限于移动行业，还包括汽车、个人电脑以及为 5G 和 AI 应用打造的网络系统。
资讯主页:
https://investors.micron.com/news-releases/news-release-details/meiguangdigonghao-ddr5-dram
美光 LPDDR5 DRAM 内存具备以下功能和优势：
1- 带宽提高 50％ 以上
2- 与 LPDDR4 相比，能效提升超过 20％
3- 1y 纳米制程，支持 12GB 容量
5、谷歌开源更快、更高效的 TensorFlow 运行时 TFRT
TensorFlow 官方博客宣布开源新的运行时 TFRT，该运行时提供了统一的、可扩展的基础结构层，并在各类硬件上均具有高性能。
TFRT 产品经理 Eric Johnson 表示，TFRT 将取代现有的 TensorFlow 运行时。原有的 TensorFlow 运行时最初是为图形执行和训练模型的工作负载而构建的。与之相比，新的运行时将急切的执行需求放在第一位，同时特别强调架构的可扩展性和模块化。
它能够很好地满足开发复杂模型时寻求更快的迭代时间的开发者需求、在训练和服务生产模型时改进性能的需求，以及希望以模块化方式将边缘和数据中心设备集成到 TensorFlow 中的硬件制造商需求。
简单来讲，TFRT 可以减少开发、验证和部署企业级模型所需的时间。
TFRT 利用了 eager 和图形执行的通用抽象，为了获得更好的性能，其图执行器支持并发执行操作和异步 API 调用。在性能测试中，与 TensorFlow 当前的运行时相比，TFRT 将经过训练的 ResNet-50 模型（一种流行的图像识别算法）在图形卡上的推理时间缩短了 28％。
TFRT 仍处在早期开发阶段，它已经与 TensorFlow 集成，最终将成为其默认运行时。
关于 TFRT 的更多信息，可查看 TensorFlow 官方博客：
https://blog.tensorflow.org/2020/04/tfrt-new-tensorflow-runtime.html
项目类
6、全平台适用的极轻量级GUI库 - GuiLite
GuiLite是由网友Idea4good开发并维护的一款仅包含5千行C++代码，并且只需单一头文件的GUI库，它在GitHub上已获得4.2k的Star，用户可以快捷的在自己的硬件平台上实现它。
项目主页: https://github.com/idea4good/GuiLite
该项目具有以下特点：
1- 轻量，仅包含5千行C++代码，单一头文件库
2- 快速，一次调用可完成图形渲染，与操作系统及第三方库无关
3- 灵活，可注入在Qt/MFC/Winform/Cocoa/Web程序中运行 - 重用现有Qt/MFC代码
4- 硬件要求低，仅需最低24MHz的处理器，memory使用最低为9KB，ROM使用最低为29KB
5- 跨平台，iOS/macOS/WathOS，Android，Linux（ARM/x86-64），Windows，RTOS甚至裸机
6- 支持多种开发语言，C/C++, Swift, Java, Javascript, C#, Golang等
GuiLite已有很多例程在STM32上实现，感兴趣的嵌入式er可以去项目主页尝试运行这些例程，并且可以在自己的项目中应用它。
RT-Thread论坛原创征稿活动：与RT-Thread相关即可，内容题材不限。参与即有机会赢得，RT-Thread T恤、笔记本、技术书籍、京东卡、RT-Thread能力认证优惠券等
马上参与
参与入口：https://www.rt-thread.org/qa/thread-424281-1-1.html
你可以添加微信17775982065为好友，注明：公司+姓名，拉进 RT-Thread 官方微信交流群！
RT-Thread
让物联网终端的开发变得简单、快速，芯片的价值得到最大化发挥。Apache2.0协议，可免费在商业产品中使用，不需要公布源码，无潜在商业风险。
长按二维码，关注我们
点击阅读原文，进入RT-Thread 论坛
你点的每个“在看”，我都认真当成了喜欢