Cortex-A7 VS Cortex-M4

特性全志V851S (Cortex-A7)典型 Cortex-M4 芯片对比结果与解释
架构层级应用处理器微控制器最根本的区别。 A系列用于运行Linux、Android等复杂操作系统;M系列用于裸机或RTOS(如FreeRTOS)。
性能高得多较低A7主频通常在几百MHz到1GHz以上,有MMU(内存管理单元),支持大型操作系统和复杂应用。M4主频通常在几十到200MHz左右,无MMU。
功能全面强大专精实时V851S强大得多:能流畅解码H.264/H.265视频,处理百万像素摄像头输入,运行人脸识别算法,连接以太网、Wi-Fi等。M4主要用于设备控制、传感器数据处理。
功耗较高极低V851S在活跃状态下的功耗通常是几百毫瓦到瓦级别。M4可以做到毫瓦甚至微瓦级别,非常适合电池长期供电。
实时性极强M4是为硬实时设计的中断响应延迟极短且确定。A7运行大型OS,任务调度复杂,中断响应延迟不确定,不适合精密工业控制。
开发复杂度开发V851S需要交叉编译、驱动、内核等知识,接近嵌入式Linux开发。开发M4更接近传统单片机编程,简单直接。
成本较高低廉包含丰富外设和强大性能的V851S芯片及周边(DDR内存、闪存)成本远高于一颗集成了存储的M4 MCU。
典型应用智能摄像头、视频门铃、人脸识别面板机、轻量级AIoT设备。无人机飞控、电机驱动、工业传感器、智能仪表、穿戴设备核心控制。应用领域几乎不重叠。
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值