MAX78000FTHR机器学习实时处理方案

MAX78000本质上是一个ARM Cortex-M4F微控制器，但它在周边集成了不少特色硬件，其中最引人注目的就是Maxim设计的神经网络（CNN）翻跟斗（图1）。这层机器学习（ML）硬件加成，让芯片能够实时处理诸如关键词识别甚至人脸识别这类任务，而且不会把功率预算烧掉。

1. MAX78000集成了Cortex-M4F、RISC-V内核以及CNN翻跟斗。

芯片里还藏着一个让人觉得新鲜的RISC-V内核，不过由于它太新了，Cortex-M4F才是当前的主力。即便是CNN翻跟斗的支持也才刚刚走出beta阶段，但这恰好是我们这次要聊的重点。

说到常规微控制器的外设，MAX78000一个都没落下：串口、定时器、I2S这类并行/串行接口样样齐全，甚至还有一个并行摄像头接口。模拟外设方面，它配备了一个8通道10位sigma-delta ADC，以及四个比较器。

存储方面，芯片拥有512kB闪存和128kB SRAM，外加一个引导ROM，允许实现更复杂的引导流程，比如安全引导支持。片上还有密钥存储、CRC和AES硬件加速，这些在未来也会获得CNN加速的支持。基于Github的文档信息相当透明，查阅起来没什么障碍。

开发工具是基于Eclipse的免费方案——Eclipse本身就是不少平台（比如德州仪器的Code Composer Studio、Silicon Labs的Simplicity Studio）的基础。Maxim没有做太多定制，但方便之处在于，你既能轻松操作MAX78000这类硬件，又能兼容第三方插件和工具。这对涉及云或物联网开发环境的场景尤其友好。默认安装里已经包含了示例和教程，可以很顺畅地测试CNN硬件及其他外设。

MAX78000开发板配了两块LCD显示屏。一块3.5英寸的TFT触摸屏，主攻处理器相关的显示；另一块小一点的屏幕则专门展示电源管理信息。芯片本身没有内置显示控制器，通过串行接口与较大的那块屏配合工作。值得一提的是，功率跟踪支持做得相当到位。

开发板上还有一块16 MB的QSPI闪存芯片，方便存储图像数据。此外，闪存芯片的USB桥接器让数据下载更快速、更方便。

板子还额外集成了一些实用的器件，比如数字麦克风、3D加速度计和3D陀螺仪。几个按键和LED补齐了外设阵容，并支持JTAG调试。

如前所述，这次并没有使用RISC-V内核，而是采用为Cortex-M4F生成C代码的方式来配置CNN硬件。CNN翻跟斗设计之初只处理单一模型，但可以快速更换新模型。

和大多数机器学习硬件一样，绝大多数程序员更倾向于让底层硬件“隐形”，提供一个黑盒操作模式：设置好盒子，从一端灌入数据，另一端直接出结果。如果已经有现成的模型，这种方式很好用。不过，训练新模型就是另一回事了，这部分我们暂且不展开。

不妨看看Maxim提供的两种现成模型——关键词搜索和面部识别（FaceID）应用。关键词搜索应用本质上是一个语音识别系统，主要用来监听特定关键词，然后启动基于云的服务。这也是大多数Alexa语音系统的工作方式：云在识别关键词后处理所有后续逻辑。

另一方面，如果能识别多个不同的关键词，就可以构建一个基于语音的命令系统——就像许多汽车导航系统里用的那种。Cortex-M4F会先处理输入数据，做一些微调，然后交给CNN翻跟斗（图2）。检测到的类输出会指明识别到了哪个关键词（如果有的话），应用程序再据此做进一步处理。

2. 在移交CNN翻跟斗之前，Cortex-M4F先处理初始的音频输入流。

FaceID系统则充分展示了MAX78000的摄像头支持能力（图3）。这既可以用来识别人脸，也可以识别在装配线上移动的特定零件。示例应用既可以使用固定输入（如图所示），也可以直接从摄像头获取数据。

3. FaceID应用突显了CNN实时处理图像的能力。

使用默认设置很容易上手。Maxim提供了所有示例代码和操作流程，稍作修改就能用。当然，重新训练模型是更复杂的工作，不过Maxim的文档也确实覆盖了这部分内容。这些示例清楚地展示了需要做什么、哪些地方需要修改才能定制属于自己的解决方案。

如果想把模型和应用改成电机振动监控系统一类的项目，那将是一项大工程，需要全新的模型。不过芯片本身大概率能胜任，只是需要更多机器学习和CNN方面的支持。

工具集支持TensorFlow和PyTorch等平台的模型（图4）。这一点很实用，因为训练过程并不在芯片上进行，而是在PC或云服务器这类平台上完成。同样，可以在高端硬件上对模型进行优化和验证，验证之后再修剪到适合MAX78000的大小。

4. PyTorch只是MAX78000支持的框架之一。训练不在微型处理器上进行。Maxim的工具会将模型转换成驱动CNN硬件的代码。

目前来看，CNN翻跟斗文档和RISC-V支持都还比较单薄。Maxim的CNN模型编译器可以把C代码导入到Eclipse IDE中。调试常规应用程序代码，则通过JTAG进行远程调试。

Maxim还提供了MAX78000FTHR，这是一块简化版评估板（图5）。它不带显示器或其他外设硬件，但大多数I/O引脚都裸露出来供用户自行扩展。这块开发板单价仅25美元，批量采购时芯片本身的单价大约是15美元。

5. 简化评估板MAX78000FTHR

总的来说，MAX78000用起来相当有趣。这是一个支撑边缘侧ML应用的绝佳平台。但需要注意的是，虽然它是一款超低功耗解决方案，但它和低端的Nvidia Jetson Nano完全是两类产品。检验电源跟踪支持功能很有意思，因为低功耗可能是许多MAX78000应用中的关键因素——尤其是那些基于电池的解决方案。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：MAX78000FTHR机器学习实时处理方案要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题