What machine learning model formats are supported by eIQ Auto?

eIQ Auto supports models from TensorFlow (Protobuf and Keras), PyTorch, as well as the ONNX interchange format and TensorFlow Lite (support varies depending on the underlying platform and backends).

What inference engines are supported by eIQ Auto?

eIQ Auto supports a range of inference engines including multiple open source offerings, hardware specific engines and a proprietary option developed under an ASPICE process. All the engines are unified under the common eIQ Auto model preparation workflow and runtime API.

Does eIQ Auto enable machine learning models to be executed on multiple processor cores?

Yes. The eIQ Auto runtime supports heterogenous execution with multiple runtimes and multiple processor cores. We can support many scenarios, configured using the eIQ Auto model preparation tools and executed with the eIQ Auto runtime libraries: A single model can be split, and the different parts can run either on the same core or different cores. Multiple models can run on different cores simultaneously.

Does eIQ Auto support execution on x86 processors?

Yes. The core eIQ Auto runtime libraries and certain inference engines are supported on x86 Linux, allowing you to fully prototype and evaluate your application on your host processor with eIQ Auto APIs before embedded deployment.

Does eIQ Auto support machine learning development beyond deep learning (neural networks)?

Yes. eIQ Auto has interfaces to support both deep learning and classical machine learning algorithms, as well as support for custom operations being executed by the eIQ Auto runtime.

Does eIQ Auto come with example ML models and applications?

Yes. The eIQ Auto installation includes a set of tutorials demonstrating the end-to-end development flow including model preparation on the host and verification of the runtime application, a set of demos showing more advanced features of the runtime, and a model zoo with additional application examples.

软件

eIQ® Auto ML软件开发套件

使用恩智浦eIQ® Auto机器学习(ML)软件开发套件，开发人员无需具备深厚的AI专业知识，也能构建智能汽车解决方案。这套完整的开发套件能够无缝实现机器学习应用在恩智浦S32系列汽车处理器及微控制器(包括Arm® Cortex®内核与神经加速器)上的准备、编译与部署。凭借其灵活可扩展的框架与开放生态合作体系，eIQ Auto在将实时智能技术集成至车辆的同时，持续保障其在准确性、性能、安全性、能效与可信度方面的核心价值。

eIQ® Auto开发流程
eIQ® Auto示例用例
S32系列硬件加速器
合作伙伴生态体系
常见问题解答
设计资源
文档

eIQ® Auto开发流程

eIQ® Auto机器学习(ML)工具包

全面的框架，可在S32汽车微控制器和微处理器中优化和部署机器学习
丰富的优化工具和Model Zoo模型库

eIQ® Auto发布包中包含Model Zoo

统一API，支持多种推理引擎选择，其中包括车规级选项
在多个内核上运行机器学习工作负载

eIQ® Auto示例用例

恩智浦eIQ® Auto机器学习(ML)软件开发套件具备高度灵活性，用户能够部署多种机器学习算法，满足软件定义汽车电子电气架构中对计算资源的需求。通过选择合适的车规级微控制器与微处理器，这套统一的机器学习软件开发套件可满足下列应用场景的需求：

汽车示例用例	产品	加速器
智能数据编排器(Intelligent Data Orchestrator) 在整车中智能管理AI/ML及其他任务，确保任务的确定性执行	S32G	Arm® A53 (Neon)
虚拟传感器可替代硬件传感器，或部署于电机内部等传统无法安装的场所	S32汽车处理平台	eIQ® Neutron (NPU) Arm® R52 (Neon) Arm® A53 (Neon) DSP AI/ML加速器 Arm® M7
预测性维护利用单车的实时运行数据，实现对车队异常状况的主动预防	S32汽车处理平台
成像雷达实现基于雷达技术的物体分类功能，显著降低对摄像头或激光雷达的依赖。	S32G	Arm® A53 (Neon)
成像雷达实现基于雷达技术的物体分类功能，显著降低对摄像头或激光雷达的依赖。	S32R45	Arm® A53 (Neon)
音频识别在嘈杂环境中精准识别应急车辆警报声，并为ADAS实现声源定位	S32G	Arm® A53 (Neon)
音频识别在嘈杂环境中精准识别应急车辆警报声，并为ADAS实现声源定位	SAF9100	DSP AI/ML加速器

S32系列硬件加速器

eIQ® Neutron神经处理单元(NPU)

专用AI/ML推理加速器

内联去量化、激活和池化
内置微缓存，可降低功耗并减少对系统内存速度的依赖性
用于输入和输出的多维DMA，包括跨步、批处理、交织、级联等
重量减压引擎
可配置耦合存储器

DSP

信号处理、音频和传感器融合

针对高吞吐量向量数学运算进行了优化
用于确定性DSP工作负载
支持定点和浮点运算

Arm® Neon

面向Arm Cortex-A与Cortex-R系列内核的先进单指令多数据(SIMD)架构扩展

合作伙伴生态体系

单个模型可以拆分，不同的部件可以在同一个内核或不同的内核上运行。
多个模型可以同时在不同的内核上运行。

设计资源

eIQ机器学习软件与eIQ Auto (面向S32G、i.MX和S32V处理器)

类型：点播课程

了解eIQ机器学习软件和eIQ Auto，并浏览面向S32G、i.MX、i.MX RT和S32V处理器的推理引擎选项。

简化面向嵌入式处理的深度学习和神经网络

类型：点播课程

了解如何实施并配置恩智浦eIQ® Auto深度学习工具包，无需定制的硬件专业知识即可优化和实现深度学习。

借助恩智浦eIQ® Auto，轻松将深度学习算法部署到汽车嵌入式处理器

类型：点播课程

探索应对这些挑战的方法，并查看一个优化的工作流程示例，即使用恩智浦eIQ® Auto深度学习工具包在汽车量产车辆中部署深度学习。

eIQ® Auto ML软件开发套件

eIQ® Auto开发流程

eIQ® Auto机器学习(ML)工具包

eIQ® Auto示例用例

S32系列硬件加速器

eIQ® Neutron神经处理单元(NPU)

DSP

Arm® Neon

合作伙伴生态体系

eIQ Auto ML SDK常见问题解答

eIQ Auto支持哪些机器学习模型格式？

eIQ Auto支持哪些推理引擎？

eIQ Auto是否支持在多个处理器内核上执行机器学习模型？

eIQ Auto能在x86处理器上运行吗？

eIQ Auto是否支持深度学习(神经网络)以外的机器学习开发？

eIQ Auto是否提供ML模型和应用的示例？

设计资源

eIQ机器学习软件与eIQ Auto (面向S32G、i.MX和S32V处理器)

简化面向嵌入式处理的深度学习和神经网络

借助恩智浦eIQ® Auto，轻松将深度学习算法部署到汽车嵌入式处理器

更多文档

eIQ Auto深度学习工具包应用简介