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

3.2 TI Tiny ML Tensorlab

Tiny ML Tensorlab は、リソースに制約のあるマイコン (MCU) に対して機械学習モデルの開発、トレーニング、最適化、デプロイを行うためのテキサス・インスツルメンツの包括的な AI ツールチェーンです。このツールチェーンを使用すると、以下のことを実行できます。
  • 時系列タスクと画像分類タスクに関する機械学習モデルのトレーニング
  • 組込みデバイスへの展開を目的とする、(2 ビット、4 ビット、8 ビット) の量子化を用いたモデルの最適化
  • TI のマイコンでモデルを効率的に実行するためのコンパイル (オプションとして、NPU アクセラレーションも使用可能)
  • Code Composer Studio (CCS) を使用したモデルの展開

このツールチェーンは、未加工データから、TI のマイコンで実行されるコンパイル済みモデルまでを網羅する、エンド ツー エンドのワークフローを提供します。ツールチェーンは次の処理を行います。

  • データの準備と特徴抽出：未加工信号のフォーマット、前処理、および高次元の特徴量への変換を自動化します。
  • モデルのトレーニング：組込みリソースの制約を考慮して特別に設計されたニューラル ネットワークのトレーニング。
  • モデルの最適化：量子化対応トレーニング (QAT) またはトレーニング後の量子化 (PTQ) を実装し、2 ビット、4 ビット、8 ビットの重み精度をサポートします。
  • コンパイル：TI ニューラル ネットワーク コンパイラを使用して、高度に最適化されたデバイス固有のコードを生成します。
  • パフォーマンス分析：ハードウェアの導入前にモデルの精度と推論指標を包括的に評価します。

TI Tiny ML Tensorlab は、次の機械学習 (ML) タスク タイプをサポートしています。

表 3-1 Tensorlab でサポートされているタスク タイプ
タスク タイプ説明
時系列分類時系列データを個別のクラスに分類 (故障検出、アクティビティ認識など)
時系列回帰時系列入力から連続値を予測 (トルク推定など)
時系列予測過去のパターンに基づいた将来値の予測 (温度予測など)
異常検知オートエンコーダベースのモデルを使用した異常パターンの特定 (機器のモニタリングなど)
画像分類画像をクラスに分類 (目視検査、数字認識など)
Tensorlab は、C2000 DSP、MSPM0、MSPM33、AM13x/AM26x、コネクティビティなど複数の特化型ファミリにわたり、TI のマイコンを幅広くサポートしています。レイテンシが重要で低消費電力のアプリケーションでは、ハードウェア アクセラレーション推論向けにテキサス・インスツルメンツの統合ニューラル プロセッシング ユニット (NPU) を搭載したデバイス (F28P55、AM13E2、MSPM0G5187 など) を選択してください。
注: 新しいハードウェアが統合されると、サポートされるデバイスのリストが変更される場合があります。サポートされている型番の最新かつ包括的なリストについては、『Tiny ML Tensorlab ユーザー ガイド』の「サポートされるデバイス」を参照してください。