该工具包支持使用基于深度学习的算法，如图像识别、自动驾驶、传感器数据融合、驾驶员监测和其他汽车应用。该工具包使客户能够在桌面、云和GPU环境中开发应用程序，并将神经网络移植到eIQ Autocompatible S32处理器中。恩智浦的工具包和汽车电子专用推理引擎有助于将神经网络轻松集成到高安全性要求的应用程序中。 传统的图像识别算法逐渐转变为基于深度学习的算法。在对象识别和分类方面，基于深度学习的算法准确性更高，更易于维护。但是，目前在车辆中实施此类系统费用较高，并且非常复杂。新工具包将大幅减少为深度学习算法所有层级选择和编写集成计算核心所需的工作，可为客户加快上市时间。与其他嵌入式深度学习结构相比，自动选择过程使性能提高了30倍。该工具包充分利用现有资源，从而提升性能。这些优点使开发人员能够评估、调谐，并最终实现其应用的最佳性能。 恩智浦eIQ Auto及其与集成S32V处理器的集成符合汽车行业相关开发标准和所有功能安全要求。eIQ Auto中集成的汽车SPICE兼容推理引擎根据严格的技术指标而开发。S32V处理器具有高度的功能安全性，符合ISO 26262标准、ASIL-C以及IEC 61508和DO 178。 恩智浦的eIQ机器学习软件开发环境支持在MCU、i.MX RT Crossover MCU、以及恩智浦系统芯片上使用机器学习算法。eIQ系列产品包括推理引擎、神经网络编译器和经过优化的库。据外媒报道，恩智浦（NXP）开发了深度学习工具包eIQ，使汽车AI应用开发性能提高30倍，并且能使客户更快开发AI应用。 该工具包支持使用基于深度学习的算法，如图像识别、自动驾驶、传感器数据融合、驾驶员监测和其他汽车应用。该工具包使客户能够在桌面、云和GPU环境中开发应用程序，并将神经网络移植到eIQ Autocompatible S32处理器中。恩智浦的工具包和汽车电子专用推理引擎有助于将神经网络轻松集成到高安全性要求的应用程序中。 传统的图像识别算法逐渐转变为基于深度学习的算法。在对象识别和分类方面，基于深度学习的算法准确性更高，更易于维护。但是，目前在车辆中实施此类系统费用较高，并且非常复杂。新工具包将大幅减少为深度学习算法所有层级选择和编写集成计算核心所需的工作，可为客户加快上市时间。与其他嵌入式深度学习结构相比，自动选择过程使性能提高了30倍。该工具包充分利用现有资源，从而提升性能。这些优点使开发人员能够评估、调谐，并最终实现其应用的最佳性能。 恩智浦eIQ Auto及其与集成S32V处理器的集成符合汽车行业相关开发标准和所有功能安全要求。eIQ Auto中集成的汽车SPICE兼容推理引擎根据严格的技术指标而开发。S32V处理器具有高度的功能安全性，符合ISO 26262标准、ASIL-C以及IEC 61508和DO 178。 恩智浦的eIQ机器学习软件开发环境支持在MCU、i.MX RT Crossover MCU、以及恩智浦系统芯片上使用机器学习算法。eIQ系列产品包括推理引擎、神经网络编译器和经过优化的库。
该工具包支持使用基于深度学习的算法，如图像识别、自动驾驶、传感器数据融合、驾驶员监测和其他汽车应用。该工具包使客户能够在桌面、云和GPU环境中开发应用程序，并将神经网络移植到eIQ Autocompatible S32处理器中。恩智浦的工具包和汽车电子专用推理引擎有助于将神经网络轻松集成到高安全性要求的应用程序中。 传统的图像识别算法逐渐转变为基于深度学习的算法。在对象识别和分类方面，基于深度学习的算法准确性更高，更易于维护。但是，目前在车辆中实施此类系统费用较高，并且非常复杂。新工具包将大幅减少为深度学习算法所有层级选择和编写集成计算核心所需的工作，可为客户加快上市时间。与其他嵌入式深度学习结构相比，自动选择过程使性能提高了30倍。该工具包充分利用现有资源，从而提升性能。这些优点使开发人员能够评估、调谐，并最终实现其应用的最佳性能。 恩智浦eIQ Auto及其与集成S32V处理器的集成符合汽车行业相关开发标准和所有功能安全要求。eIQ Auto中集成的汽车SPICE兼容推理引擎根据严格的技术指标而开发。S32V处理器具有高度的功能安全性，符合ISO 26262标准、ASIL-C以及IEC 61508和DO 178。 恩智浦的eIQ机器学习软件开发环境支持在MCU、i.MX RT Crossover MCU、以及恩智浦系统芯片上使用机器学习算法。eIQ系列产品包括推理引擎、神经网络编译器和经过优化的库。