JADA221 June   2026 MSPM0G5187

 

  1.   1
  2.   概要
  3.   商標
  4. 1概要
  5. 2TinyEngine 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エッジ AI アプリケーション：数字認識
    1. 4.1 LeNet–5 バリアント CNN モデル
    2. 4.2 NPU/CPU の性能比較
  8. 5エッジ AI アプリケーション：波形分類
    1. 5.1 特徴抽出
    2. 5.2 時系列分類モデル
    3. 5.3 モデル メモリに関する検討事項
    4. 5.4 NPU/CPU の性能比較
  9. 6まとめ
  10. 7参考資料

4.2 NPU/CPU の性能比較

エッジ AI モデルは、TI ニューラル ネットワーク コンパイラを用いてハードウェアにデプロイでき、専用ハードウェア NPU またはホスト CPU のいずれかをターゲットとします。TinyEngine NPU は、高効率でニューラル ネットワーク計算を実行する専用ハードウェア アクセラレータであり、汎用 CPU に比べて推論レイテンシと消費電力が大幅に低減されます。

性能評価を容易にするため、MSPM0 SDK はユーザー ベンチマーク用として NPU と CPU の両方の実装例を提供しています。以下を参照してください。

表 5-9 に、数字認識アプリケーションにおける NPU ベースと CPU ベースのエッジ AI 設計の性能比較を示します。

表 4-3 NPU/CPU の性能比較
性能指標 NPU ベースの設計 CPU ベースの設計
精度 約 99% 約 99%
フラッシュの使用率 73KB 68KB
RAM の使用法 10.9KB 8.1KB
推論レイテンシ 6.05ms 89.81ms
推論消費電力 (平均) 424.65uJ 6,265.32uJ

NPU ベースの設計は、CPU ベースの実装に比べて、推論レイテンシが約 14 分の 1 に短縮されます。また、推論 1 回の電力消費が約 93% 低減するという実質的な効果もあるため、電力制約の厳しいエッジ アプリケーションにおいて高い効率性を実現します。