#微控制器MCU #物聯網IoT #人工智慧AI #機器學習ML #伸縮向量擴展SVE #機密計算架構CCA #RISC-V
【越來越強大的 MCU】
從英特爾 (Intel) 最早的 4 位元 4004 開始算，微控制器 (MCU) 已經 50 歲了；如果從性能的角度來看，當今高性能的 MCU 產品已遠遠超過 20 多年的中央處理器 (CPU)。很多廠商為了區分高性能處理應用的場景，推出了微處理器 (MPU) 概念，從名稱上與傳統 MCU 區分。不過 MPU 並無嚴格定義，不同廠商對 MPU 的定位也不同；而隨著 MCU 在性能製程上的進步，MCU 與 MPU 之間的界線也逐漸模糊。
根據統計機構的資料，2020 年 MCU 主流產品是 32 位元，佔據超過五成市場，但令人稱奇的是，8 位元 MCU 仍然持有四成左右的市場份額；剩下的 16 位元和 4 位元 MCU 只有個位數的市場份額，且正被 8 位元或 32 位元 MCU 取代。除了資料位元寬，另一項區分 MCU 的規格就是指令集，主要分為 CISC 指令集和 RISC 指令集兩大類，其中 RISC 指令集的 MCU 佔比超過 3/4。在 RISC 指令集產品中，目前安謀 (Arm) 的 RISC 指令集 MCU 佔有絕對優勢地位。
如今 MCU 的平均價格已經跌至 1 美元以下，這大幅降低了包括物聯網 (IoT)、人工智慧 (AI)、穿戴設備的進入門檻。廉價的 MCU 和簡單易用性能的強大的開發工具，為不同門檻的准入者提供實現創新的機會。儘管平均單價正在下降，但是整個 MCU 市場營收卻保持快速增長，市場營收預計在 2023 年近 190 億美元，其中超過八成的市場份額被前十大供應商壟斷。總體來看，汽車仍佔據 MCU 最大份額，加上工業和醫療，三者合佔近六成市場，消費和運算約佔三成。
32 位元 MCU 因其兼具控制、通訊以及某種程度的邏輯處理能力，同時在功耗方面的不錯表現，成為物聯網市場首選，整個物聯網、穿戴式 MCU 的市場增長速度超過平均值。Arm 架構的統治地位依然穩固，並與富士通合作開發可技術，並在此基礎上開發了 SVE2，在更廣泛的應用中實現增強的機器學習和數位信號處理能力，以便應對無處不在的AI 需求。但是也並非沒有競爭者，近年正夯的 RISC-V 就來勢汹汹……。
延伸閱讀：
《今非昔比的 MCU》
http://www.compotechasia.com/a/feature/2021/0813/48769.html
#英特爾Intel #意法半導體ST #微芯科技Microchip #瑞薩電子Renesas #恩智浦NXP #德州儀器TI #英飛凌Infineon #東芝Toshiba #芯科科技SiliconLabs #安謀Arm
向量微分 在 [線代] 向量微分- 看板Math - 批踢踢實業坊 的推薦與評價
因為搞ML跑去看線代啟示錄對矩陣/向量微分表示法的推導
但有個部分看不太懂
原文說f(u),u(x),v(x)為可微分函數
看起來 若x屬於R^n
這裡應該是指 u:R^n→R^m, u(x)=(u1(x),u2(x),...,um(x)), for some m
f應該也是類似的定義 f:R^m→R^a, f(x)=(f1(u),f2(u),...,fa(u)), for some a
以上不知有沒有理解錯誤
以下是問題及我的理解
1→2這步，若把f.u看成函數，根據連鎖率推得2似乎是對的
但是2→3就看不懂了qq
因為以前學微積分只學過單變數的向量函數
像r:R→R^n, r(t) = (r1(t),r2(t),...,rn(t))
且r'(t) = (r1'(t),r2'(t),....,rn'(t))
如果推廣到多變數
那這邊的du/dxi = (du1/dxi,du2/dxi,...dum/dxi)
另外，dfj/du應該是指fj'(u)?
所以(du/dxi)(dfj/du)應該是一個向量乘上純量
這樣2是如何推到3的呢?
不知道是哪裡想錯了...請高手解救，謝謝
原文: https://reurl.cc/5grRz6
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.160.3.78 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Math/M.1569125561.A.635.html
※ 編輯: TEPLUN (1.160.3.78 臺灣), 09/22/2019 13:09:13
但如果單純是先用連鎖率推到2再用分母布局去想就有個問題
(du/dxi)(dfj/du)=(dfj/du)(du/dxi) 這樣結果就不一樣了
所以我本來把他當成跟單變數連鎖率一樣處理顯然是錯的
但這樣看起來1→2應該類似多變數合成向量函數的微分的連鎖率
2其實是兩個gradient做內積
但以前只學過f(r(t))對t的微分是f的gradient跟r'內積 t為單變數
如何把t推廣到多變數?這步如何證明就不是很清楚
※ 編輯: TEPLUN (220.136.16.107 臺灣), 09/23/2019 08:45:33
... <看更多>