ZHDA204A June   2026  – October 2026 MSPM0G5187

 

  1.   1
  2.   摘要
  3.   商标
  4. 1 简介
  5. 2 带 TinyEngine NPU 的 MSPM0G5187
  6. 3 边缘 AI 工具链
    1. 3.1 TI Edge AI Studio
    2. 3.2 TI Tiny ML Tensorlab
    3. 3.3 TI 神经网络编译器
  7. 4 通过 TI Edge AI Studio 进行快速原型设计
    1. 4.1 工程设置
    2. 4.2 数据采集
      1. 4.2.1 硬件设置
      2. 4.2.2 特征概述
    3. 4.3 数据导入
      1. 4.3.1 分类任务
      2. 4.3.2 回归任务
      3. 4.3.3 预测任务
      4. 4.3.4 注释列表
    4. 4.4 数据注释
    5. 4.5 模型训练
      1. 4.5.1 训练参数
      2. 4.5.2 工具链依赖项
    6. 4.6 性能报告
    7. 4.7 模型导出
  8. 5 通过 TI Tiny ML Tensorlab 进行高级开发
    1. 5.1 环境设置
    2. 5.2 数据采集
      1. 5.2.1 数据检索
      2. 5.2.2 数据验证
    3. 5.3 模型架构迭代重构
      1. 5.3.1 基线实现
      2. 5.3.2 使用 PyTorch 内置模块进行重构
      3. 5.3.3 数据管道优化
      4. 5.3.4 过渡到 CNN 架构
    4. 5.4 模型导出
    5. 5.5 量化感知训练
    6. 5.6 模型编译
  9. 6 边缘 AI 应用：数字识别
    1. 6.1 LeNet-5 变体 CNN 模型
    2. 6.2 NPU/CPU 性能比较
  10. 7 边缘 AI 应用：波形分类器
    1. 7.1 特征提取
    2. 7.2 时序分类模型
    3. 7.3 模型内存注意事项
    4. 7.4 NPU/CPU 性能比较
  11. 8 总结
  12. 9 参考资料
  13. 10修订历史记录

2 带 TinyEngine NPU 的 MSPM0G5187

MSPM0G5187 微控制器 (MCU) 属于 MSP 高度集成的超低功耗 32 位 MCU 系列，该 MCU 系列基于增强型 Arm® Cortex®-M0+ 32 位内核平台，工作频率最高可达 80MHz。这些 MCU 为需要采用小型封装或高引脚数封装（高达 64 个引脚）的最高 128KB 闪存存储器的应用同时提供了成本优化和设计灵活性。这些器件配备 USB2.0-FS 接口、数字音频接口和 TinyEngine NPU，可在整个工作温度范围内提供出色的低功耗性能。

硬件 NPU 是一款面向深度卷积神经网络 (CNN) 的高度优化内核，支持使用预先训练的模型进行机器学习推理。这与片上 CPU 结合使用，可为 CNN 推理提供更高的性能和更低的功耗。NPU 具备每秒 640 至 2560 百万次操作 (MOPS) 的性能，相比软件实现的延迟低 90 倍，且在待机模式下功耗低于 2μA。

图 2-1 展示了芯片内模块的顶层视图。

MSP CPU/NPU 系统结构图 2-1 MSP CPU/NPU 系统结构

MSPM0 与 NPU 系统共享片上存储器，包括非易失性闪存存储器和易失性 RAM 存储器。系统 RAM 支持 CPU 或 NPU 进行读写操作。此外，NPU 还拥有用于 CNN 推理的专用 RAM。边缘 AI 模型必须适配可用闪存存储器的容量范围，且峰值 RAM 需求必须在可用系统 RAM 之内。