F2 · Embedded & Security
Using Arm Tools to Enable Machine Learning On-Device (2018)
導讀
以 MNIST CNN 為案例，在 Cortex-A55 FVP 上結合 DS-5／Streamline、C API 重構與 SystemC／TLM accelerator model，建立實體硬體完成前的 on-device ML 分析流程。此方法透過指令數、記憶體存取與軟硬體分工觀察，將模型執行行為連接到系統架構決策。本專案的生態價值在於把 Arm virtual platform、performance analysis 與 hardware modeling 組成 early-stage ML／accelerator exploration baseline。
驗證範圍
- 分析結果來自 Cortex-A55 FVP、MNIST CNN 與 SystemC／TLM accelerator model，用於觀察指令、記憶體行為及架構假設，不是 physical silicon benchmark。
- 模型與 accelerator behavior 依賴模擬參數；實體硬體的 timing、power、memory-system effects、driver integration 與 production inference performance 仍需另行驗證。