ОбзорMPLAB® Machine Learning Development Suite Model Builder позволяет инженерам разрабатывать, обучать и конвертировать компактные модели машинного обучения для распознавания датчиков в условиях tiny‑edge. Инструмент поставляется как расширение для Visual Studio Code (через MPLAB for VS Code) и как плагин для MPLAB® X IDE и генерирует оптимизированный код вывода и артефакты прошивки для Microchip MCU, dsPIC® DSC и MPU.
Ключевые возможности- Создание компактных контролируемых моделей и алгоритмов обнаружения аномалий для устройств edge с ограниченными ресурсами (MCU, dsPIC DSC, MPU)
- Автоматизация ML‑workflow: подготовка данных, извлечение признаков, обучение, валидация и конвертация модели в прошивку
- Встроенные инструменты разметки и фильтрации данных для подготовки наборов данных
- Генерация прототипного кода с поддержкой AutoML для ускорения разработки
- Варианты настройки параметров для продвинутых ML‑разработчиков и встраиваемых инженеров
- Построение конвейеров для production‑деплоя ML‑решений
- Генерация прошивки производственного уровня, совместимой с 8-, 16- и 32‑битными устройствами и инструментальными цепочками Microchip XC
Документация и поставкаПредоставляются подробные материалы для начала работы и сопроводительная документация (включая руководство Getting Started в PDF). Model Builder распространяется как расширения редактора и плагины IDE, интегрируется с распространёнными toolchain Microchip и генерирует код, готовый к прошивке, и артефакты для развёртывания.
Сценарии использования- Распознавание на edge‑датчиках (голос, активность/движение, обнаружение аномалий) на аппаратуре с ограниченными ресурсами
- Быстрое прототипирование встроенных ML‑продуктов с использованием кода, сгенерированного AutoML
- Генерация производственной прошивки для продуктов на базе MCU/MPU с поддержкой компиляторов Microchip XC
Характеристики / Технические спецификации- Режимы поставки: расширение для VS Code (MPLAB for VS Code) и плагин MPLAB X IDE
- Целевые устройства: 8-, 16-, 32‑битные MCU, dsPIC® DSC и MPU
- Поддерживаемые типы ML: контролируемое обучение и обнаружение аномалий, оптимизированные для tiny‑edge
- Автоматизированный workflow: подготовка данных, извлечение признаков, обучение, валидация и конвертация модели
- Функции AutoML для ускорения генерации прототипного кода
- Выходы: оптимизированный код вывода, артефакты, готовые для прошивки, совместимость с компиляторами Microchip XC
- Включает документацию и руководство Getting Started в формате PDF