M1-3 - 标准训练的机器学习模型在嵌入式设备上的挑战
M2-1 - 用于微控制器的TensorFlow Lite(TFLM)机器学习模型生成流程
M4-1 - .TFLite Vela编译输出文件生成摘要
M4-3 - 将Vela输出的.TFLite Flat Buffer转储为JSON文件格式表示
M4-4 - Flat Buffer文件JSON表示示例
M4-5 - Flat Buffer元素操作码表部分
M4-6 - Flat Buffer元素缓冲区部分
M4-8 - Flat Buffer元素机器学习操作符操作码索引
M4-10 - Flat Buffer元素缓冲区索引
M4-11 - NPU自定义操作ETHOSU_CONV_2D
M4-12 - ETHOSU_CONV_2D NPU操作数据流
M4-13 - ETHOSU_CONV_2D NPU操作嵌入式内存信息
M4-14 - .TFLite Flat Buffer文件元数据信息第1部分
M4-15 - .TFLite Flat Buffer文件元数据信息第2部分(内存使用)
M4-16 - .TFLite Flat Buffer文件元数据信息第3部分(架构配置)
M4-17 - .TFLite Flat Buffer文件元数据示例摘要
M5-1 - ETHOSU_CONV_2D操作符输入数据流概述
M6-1 - 高性能与低功耗ARM ETHOS NPU(ETHOS-U与ETHOS-N)
M6-2 - ARM ETHOS-U低功耗NPU的使用
M6-3 - ARM Cortex-M55 + Ethos-U硬件系统集成概述
M6-4 - ARM Cortex-M55 + Ethos-U硬件系统集成示例
M6-5 - ARM Ethos-U和Cortex-MA系统集成拓扑
M7-11 - TFLM操作符调用内核和基于DSP的操作符
M7-12 - TFLM操作符调用自定义NPU Ethos-U基础操作符
M8-1 - ARM CMSIS-NN在机器学习执行流程中的作用
M8-2 - CMSIS-NN作为Cortex-M微处理器的神经网络库
M9-2 - Alif E7高性能(HP)与高效率(HE)ETHOS-U55 ARM NPU
M9-8 - Alif E7 ML开发套件实时启动
M10-2 - Alif E7 Windows机器配置
M10-3 - Alif E7所需工具在Windows机器上的安装
M10-6 - 如何配置和构建关键词识别示例(KWS)
M10-7 - 如何配置和构建关键词识别示例(KWS)配置阶段
M10-8 - 如何配置和构建关键词识别示例(KWS)Ninja构建阶段
M10-11 - 准备执行我们的机器学习示例(KWS和图像分类)
M10-12 - 在Alif E7 ML板上运行关键词识别(KWS)示例
M10-13 - 在Alif E7 ML板上运行图像分类(image_class)示例