Diego Dorta

Dieser Artikel zeigt, wie Sie die Bilder und Logos, die während des Boot-Vorgangs angezeigt werden, anpassen können: Das U-Boot-Splash-Bild, das Linux-Kernel-Logo, das Yocto-PSplash-Bild, die Linux-Vor-Login-Nachricht und das Wayland-Hintergrundbild. Dies wird in der Regel von Kunden verwendet, um ihr eigenes Firmen- oder Produktlogo darzustellen.
 
1.1. Software-Anforderungen

Variscite and MemryX Inc. have established a collaboration to enhance AI/ML edge computing by combining scalable AI acceleration with proven System on Module solutions. This integration addresses the needs of industries requiring real-time processing, including industrial systems, healthcare devices, and vision applications.
MemryX’s integrated hardware and complementary software allow developers to build edge AI applications with enhanced performance characteristics like low latency processing and efficient power consumption while accelerating development cycles and time to market.
The collaboration launched with a plug-and-play integration of the MemryX platform with Variscite’s i.MX 8M Plus SoMs, leveraging their advanced vision and multimedia features, such as dual camera interfaces, integrated Image Signal Processor (ISP), and H.265/H.264 video encoding and 1080p60 decoding. This provides an ideal combined solution for developing vision-based applications like real-time object detection and video analytics. The collaboration will also extend across Variscite’s extensive SoM portfolio, including modules based on the i.MX 9 and i.MX 8 series.

Dieser Artikel enthält eine Schritt-für-Schritt-Anleitung, die Ihnen die Entwicklung eigener Anwendungen zum Maschinellen Lernen (ML) mit dem System on Module von Variscite erläutert. Es wird gezeigt, wie man ein Image mit dem Yocto Linux BSP und einer Sammlung von Entwicklungstools, Dienstprogrammen und Bibliotheken zur Erstellung von ML-Anwendungen aus der NXP eIQ™ ML Software Development Environment entwickelt, wie man die mit dem Image erzeugten Standardbeispiele ausführt und wie man schließlich ein einfaches ML-Beispiel von Grund auf schreibt.
1.1. eIQ™ Software-Entwicklungsumgebung für maschinelles Lernen – Überblick
Mit eIQ™ können Benutzer mühelos eine vollständige Anwendung auf Systemebene entwickeln, die zur Lösung von ML-Problemen im Zusammenhang mit Bild-, Audio-, Zeitseriendaten usw. dient. Gängige Beispiele sind Gesichtserkennung, Posenschätzung, Gestenerkennung, Interpretation von Sprachakzenten usw.

1. iMX8 Übersicht
Die i.MX8-Familie von Modulsystemen (Englisch: System on Modules, kuz SoMs) von Variscite bietet eine Pin-zu-Pin Skalierbarkeit zwischen den Familien i.MX 8, iMX 8X und i.MX 8M der NXP-SoCs (SoC steht für System on Chip, ein System auf einem Chip). Jedes SoM verfügt über einen Grafikprozessor, der die Hardware-Beschleunigung von grafischen und rechenintensiven Anwendungen ermöglicht. Dieser Artikel zielt darauf ab, die Kunden von Variscite mit dem Grafikprozessor (Englische Abkürzung: GPU) vertraut zu machen und eine praktische Anleitung zur Auswahl des richtigen SoMs zu geben:
 

1.  Übersicht 
Dieser Artikel stellt das Variscites Python pyvar -Paket vor und zeigt Ihnen den Einstieg in die pyvars API für Maschinelles Lernen (ML). Diese API wurde entwickelt, um Anfänger dabei zu unterstützen, Maschinelles Lernen kennen zu lernen und ihre eigenen Anwendungen mithilfe von Kameras, Displays und Benutzeroberflächen, auf Basis der System on Module (SoMs), aus der i.MX8-Produktfamilie, zu entwickeln.