JADA221A June   2026  – October 2026 MSPM0G5187

 

  1.   1
  2.   概要
  3.   商標
  4. 1 概要
  5. 2 TinyEngine NPU を搭載した MSPM0G5187
  6. 3 エッジ AI ツールチェーン
    1. 3.1 TI Edge AI Studio
    2. 3.2 TI Tiny ML Tensorlab
    3. 3.3 TI ニューラル ネットワーク コンパイラ
  7. 4 TI Edge AI Studio による迅速なプロトタイピング
    1. 4.1 プロジェクトの設定
    2. 4.2 データ キャプチャ
      1. 4.2.1 ハードウェア設定
      2. 4.2.2 機能の概要
    3. 4.3 データのインポート
      1. 4.3.1 分類タスク
      2. 4.3.2 回帰タスク
      3. 4.3.3 予測タスク
      4. 4.3.4 アノテーション リスト
    4. 4.4 データ アノテーション
    5. 4.5 モデルのトレーニング
      1. 4.5.1 トレーニング パラメータ
      2. 4.5.2 ツールチェーンの依存関係
    6. 4.6 パフォーマンス レポート
    7. 4.7 モデルのエクスポート
  8. 5 TI Tiny ML Tensorlab による高度な開発
    1. 5.1 環境設定
    2. 5.2 データ収集
      1. 5.2.1 データの取得
      2. 5.2.2 データの検証
    3. 5.3 モデル アーキテクチャの反復リファクタリング
      1. 5.3.1 ベースライン実装
      2. 5.3.2 PyTorch 組み込みモジュールによるリファクタリング
      3. 5.3.3 データ パイプラインの最適化
      4. 5.3.4 CNN アーキテクチャへの移行
    4. 5.4 モデルのエクスポート
    5. 5.5 量子化対応トレーニング
    6. 5.6 モデルのコンパイル
  9. 6 エッジ AI アプリケーション：数字認識
    1. 6.1 LeNet–5 バリアント CNN モデル
    2. 6.2 NPU/CPU の性能比較
  10. 7 エッジ AI アプリケーション：波形分類
    1. 7.1 特徴抽出
    2. 7.2 時系列分類モデル
    3. 7.3 モデル メモリに関する検討事項
    4. 7.4 NPU/CPU の性能比較
  11. 8 まとめ
  12. 9 参考資料
  13. 10改訂履歴

2 TinyEngine NPU を搭載した MSPM0G5187

MSPM0G5187 マイクロコントローラ (MCU) は、最大 80MHz の周波数で動作する、拡張された Arm® Cortex®-M0+ 32 ビット コア プラットフォームをベースとする、MSP 高集積超低消費電力 32 ビット MCU ファミリの製品です。これらのマイコンは、小型パッケージまたはピン数の多いパッケージ (最大 64 ピン) で最大 128KB のフラッシュ メモリを必要とするアプリケーション向けで、コストの最適化と柔軟な設計を両立できます。これらのデバイスには、USB2.0-FS インターフェイス、デジタル オーディオ インターフェイス、TinyEngine NPU が含まれており、動作温度範囲全体にわたって優れた低消費電力性能を実現します。

ハードウェア NPU は、深い畳み込みニューラル ネットワーク (CNN) 向けに高度に最適化されたコアで、事前トレーニング済みのモデルを使用した機械学習推論をサポートしています。オンチップ CPU との組み合わせで動作して、CNN 推論で高い性能を発揮して、消費電力を低減します。640 ～ 2560MOPS (1 秒あたりオペレーション数) の性能を備えた NPU は、ソフトウェア実装に比べて 90 分の 1 のレイテンシを実現し、スタンバイモード時の消費電流は 2μA 未満です。

図 2-1 に、チップ内のモジュールのトップレベル構成を示します。

MSP CPU/NPU システム構造図 2-1 MSP CPU/NPU システム構造

NPU システムを搭載した MSPM0 は、不揮発性フラッシュ メモリと揮発性 RAM メモリを含むオンチップ メモリを共有しています。システム RAM は、CPU または NPU による読み取り / 書き込みをサポートしています。さらに、NPU には、CNN 推論専用 RAM が搭載されています。エッジ AI モデルは、利用可能なフラッシュ メモリの容量内に収まる必要があります。また、RAM の最大使用量も利用可能なシステム RAM の容量内に収まる必要があります。