|
▼ 組み込み用途マイコン・ボード 2022.02.16 作成 2024.05.05 更新
近年、Python利用組み込み関係のマイコンでも利用できる低価格MCU&ボードが増えております。特に中国製（中華製）や台湾製低価格MCU&Boardは数百円と激安な物もあり、更に、人工知能（AI）対応のニューラル・プロセッサ（NPU）を実装したデバイスもあります。
その組込みでの利用可能なマイコンARM関係やRX66T&RX72N, RISC-VコアのTinyMLのベンチマーク・テストの詳細な結果はこちらです。更新23.02.17
種々のボード 
そのデバイス・チップの消費電力等が気になり下記に比較し纏めました。
| デバイス&Board |
コア |
消費電流／電力 |
動作周波数 |
備考 |
| ESP32 |
Xtensa-LX6 |
160mA/800mW |
240MHz |
RISC-Vコア・タイプもあり |
| K210（RISC-V） |
RISC-V+NPU |
300mA/1.0W |
400MHz |
Dual-CPU Core |
| K510（RISC-V） |
RISC-V+NPU |
2 W |
800MHz |
Dual-CPU Core |
| K230（RISC-V） |
RISC-V+NPU |
? W |
1.6GHz |
Dual-CPU Core |
| CH2601（RISC-V） |
RISC-V（E906） |
? W |
220MHz |
Single-CPU, Alibaba |
| H616（Mango Pi） |
A53 + GPU-G31 |
? W |
1.4GHz |
Quad-CPU, Allwinner |
| H618（Orange Pi） |
A53 + GPU-G31 |
? W |
1.5GHz |
Quad-CPU, Allwinner |
| Lichee RV |
RISC-V（C906） |
330mW ? |
1.0GHz |
Single-CPU, Allwinner |
Milk-v Duo 256
(SG2002） |
RISC-V（C906）+
Cortex-A53 |
? mW |
1.0GHz |
Toriple-Core |
| F1C100S |
ARM926EJ-S |
100mA/330mW |
Max.900MHz? |
Allwinner |
| V3s |
Cortex-A7 |
180mA/590mW |
Max.1.2GHz |
Allwinner |
| V831/V833 |
Cortex-A7+NPU |
750mW |
Max.1.0GHz |
NPU 0.2TOPs Allwinner |
| R329 |
Cortex-A53+NPU |
800mW ? |
Max.1.5GHz |
NPU 0.2TOPs Allwinner |
| V853, R853 |
Cortex-A7+RISC-V |
? W |
1.0GHz |
NPU 1.0TOPs Allwinner |
| SSD210, SSD212D |
Cortex-A7 Dual |
500mA/1.6W ? |
Max.1.0GHz |
Non NPU, SinmaStar |
| SSD201, SSD202D |
Cortex-A7 Dual |
Max500mA/1.6W |
Max.1.2GHz |
Non NPU, SinmaStar |
| Dongshan Pi PicoW |
Cortex-A7 Quad |
? W |
Max.1.0GHz |
SSD210 |
| NanoPi Neo |
Cortex-A7 |
200mA/660mW |
Max.1.2GHz |
Allwinner H3 Quad |
| OrangePi Zero |
Cortex-A7 |
220mA/730mW |
Max.1.2GHz |
Allwinner H2 Quad |
| Orange Pi Zero 2 |
Cortex-A7 Quad |
2.1 W ? |
Max.1.5GHz |
Allwinner H616 Quad |
| Orange Pi Zero 2W |
Cortex-A7 Quad |
2.1 W ? |
Max.1.5GHz |
Allwinner H618 Quad |
| Longan Pi 3H |
Cortex-A7 Quad |
? W |
Max.1.5GHz |
Allwinner H618 Quad |
| RK3588(Rockchip) |
ARM+NPU |
? |
Max.2.4GHz |
CPU A76 x 2,A55x4 |
| RK1808 |
ARM+NPU |
300~600mW ? |
Max.1.6GHz |
Rockchip, CPU A35 x 2 |
| RX66T |
RXv3 |
20mA/66mW |
160MHz |
Renesas |
| RX72N |
RXv3 |
60mA/198mW |
240MHz |
Renesas |
| RA6M4 |
Cortex-M33 |
30mA/99mW |
200MHz |
Renesas |
| RA シリーズ |
Cortex-M85+U55 |
? W |
1.0GHz |
Renesas（2023年発売） |
| iMX-RT1062 |
Cortex-M7 |
100mA/330mW |
600MHz |
NXP |
| T31 |
MIPS32(XBurst) |
105mW |
1.5GHz |
Ingenic |
他にもNPU等を内蔵したマイコン・デバイスがあり組み込み関係での応用と利用が可能です。
SSD210はSDRAM-64MBを内蔵したCortex-A7コアSiPであり、その小型なRaspberry Pi類似ボードのMilk-V Duo等のボードやモジュールが中国で販売されている。国内での販売がないのが残念。2023.09.03
近年、半導体不足による影響で組込み関係ボードが価格が５倍以上に高騰し低価格でもなく、特にラズベリーパイ（Raspberry Pi）ボードが高騰しており、国産製ボードと価格が変わらなくなった。その点、Raspberry Pi類似の台湾製や中国製が低価格であり利用価値がある。2023.01.15
組み込み関係ではMicroPythonやCircuitPythonを利用する傾向にあり、Pythonはインタープリンター型であるため面倒なコンパイルが必要なく簡単に人工知能処理ソフト等を制作できるので初心者の利用が多いのでしょう。
PC関係のPythonでは科学計算ライブラリーNumpy等があり、このNumpyライブラリーを利用すると簡単に科学計算の配列・ベクトル処理ソフトを制作できてしまう。この点が利用する初心者プログラマーが増えているのでしょう。
反面、良いことばかりではなく、Pythonはインタープリンター型であるため処理速度が遅くなる。その点をカバーしているのがNumpyライブラリーである。
但し、Numpyライブラリーは万能ではなく、大きなサイズの配列データを処理するとFreeze（フリーズ）しOSまで巻き込んでしまう、大変危険なライブラリーでありメモリ管理に問題がある。
あの有名なWindows95でもフリーズするOSであった。仕事中にフリーズし制作した文書が消滅しノートＰＣを叩いていた人たちも珍しくなかった。
セキュリティー面では疑問があり簡単にプログラミングができてしまうことが脆弱性となり危険なシステムとなり、IoT関係ではインターネットに接続すれば不正侵入やDoSやCVE攻撃対象となる。IoT関係機器でHTTPを利用していると踏み台となり他の商用サーバーシステムに被害を与える。
Ingenic社のMIPS32(XBust)コアの消費電力が1.5GHzで105mWとMIPS系コアの低消費電力性能が素晴らしい。MIPS系コアのロジック数がARM系の半分程度であり、近年のＰＣ用の電力食いのコアと大違いです。
国内ではMIPS64系コアのNEC社のVR5500や東芝のTX4939等があったが製造を止めてしまった。大変残念なことである。
▼ Pythonの処理性能と利用の問題点 2022.02.16 作成 2024.03.17 更新
Pythonのループ計算処理は遅くNumpyライブラリーで全てカバーできないのでforループやif文等が必ず必要となる。Numpyライブラリーは配列処理とベクトル処理が扱い易く良くできているが万能ではない。
Pythonの処理性能が低い点を回避できるのがJITコンパイラー型のPyPyであり、残念ながら、そのPyPyはNumpyライブラリーを利用できない。
PyPyの100x100万回・四則計算処理性能がPythonに対し約37倍高速になり、C/C++やClang等のコンパイラーよりも簡単にソフトを制作できてしまう。
Clangの100x100万回（1億回）・四則計算処理性能がPythonに対し約40倍高速になり、PyPyとほぼ同程度である。
ESP32/240MHz基板ではMicroPythonの100x100万回・四則計算処理性能が約900秒となり、Pythonの処理性能が遅い点が問題となる。core-i5/2.8GHzのPCではPythonの100x100万回・四則計算処理性能が18秒であり、ESP32が５１分の１（240/5=4.7MHz）の性能である。
RX71M/192MHzではClangでコンパイルした実行オブジェクトが100x100万回・四則計算処理性能約21秒でありESP32/240MHzのMicroPythonに対し約42倍となる。
PythonにはC/C++と同様に便利なインライン・アセンブラ（Assemble）で記述できるので、ある程度の高速化が可能である。しかし、アセンブラでのプログラミングは難易度が上がり簡単ではなくマシン語コード（ニーモニック）を理解しなければならず、簡単にプログミングができるPythonのメリットがなくなる。
開発言語関係の１億回ループ演算処理時間計測
| 開発言語 |
ループ |
演 算 |
Loop回数
（x100万回）
|
実行時間（秒）
|
備 考 |
| MicroPython |
for range |
加算 |
10［100］ |
90［900］
|
ESP32/240MHz |
| Python-3.7 |
for range |
加算 |
100 |
18
|
iMac core i5 2.8GHz |
| PyPy-3.8 |
for range |
加算 |
100 |
0.32
|
iMac core i5 2.8GHz |
| Python-3.7 |
for range |
掛算・割算 |
100 |
23
|
iMac core i5 2.8GHz |
| PyPy-3.8 |
for range |
掛算・割算 |
100 |
0.61
|
iMac core i5 2.8GHz |
| CPython |
for range |
加算 |
100 |
19
|
iMac core i5 2.8GHz |
| CPython |
for range |
掛算・割算 |
100 |
15
|
iMac core i5 2.8GHz |
| Tinypy-1.1 |
for range |
加算 |
100 |
28
|
iMac core i5 2.8GHz |
| Tinypy-1.1 |
for range |
掛算・割算 |
100 |
34
|
iMac core i5 2.8GHz |
| Clang-LLVM-13 |
for Loop |
加算 |
100 |
0.35《0.05?》
|
iMac core i5 2.8GHz |
| Clang-LLVM-13 |
for Loop |
掛算・割算 |
100 |
0.57《0.08?》
|
iMac core i5 2.8GHz |
| Clang-LLVM-13 |
for Loop |
掛算・割算 |
100 |
0.13 ※-13
|
iMac core i5 2.8GHz |
| Clang-LLVM-13 |
for Loop |
掛算・割算 |
100 |
0.77
|
MacBookPro i7 2.7GHz |
| Clang-LLVM-13 |
for Loop |
加算 |
100 |
0.73
|
MacBookPro i7 2.7GHz |
| Java |
for Loop |
加算 |
100 |
0.44
|
iMac core i5 2.8GHz |
| Java |
for Loop |
掛算・割算 |
100 |
0.88
|
iMac core i5 2.8GHz |
| TCC |
for Loop |
加算 |
100 |
0.32
|
iMac core i5 2.8GHz |
| TCC |
for Loop |
掛算・割算 |
100 |
0.46
|
iMac core i5 2.8GHz |
| Kotlin |
for Loop |
加算 |
100 |
0.09 ※-2
|
iMac core i5 2.8GHz |
| Kotlin |
for Loop |
掛算・割算 |
100 |
0.11 ※-2
|
iMac core i5 2.8GHz |
| JavaScript |
for Loop |
加算 |
100 |
0.19 ※-3
|
iMac core i5 2.8GHz |
| JavaScript |
for Loop |
掛算・割算 |
100 |
0.44 ※-3
|
iMac core i5 2.8GHz |
| Node js |
for Loop |
加算 |
100 |
0.11
|
iMac core i5 2.8GHz |
| Node js |
for Loop |
掛算・割算 |
100 |
0.22
|
iMac core i5 2.8GHz |
| Quick js |
for Loop |
加算 |
100 |
5.3
|
iMac core i5 2.8GHz |
| Quick js |
for Loop |
掛算・割算 |
100 |
5.5
|
iMac core i5 2.8GHz |
| Low js |
for Loop |
掛算・割算 |
100 |
4.0 ※-6
|
iMac core i5 2.8GHz |
| Low js |
for Loop |
掛算・割算 |
100 |
6.0 ※-6
|
iMac core i5 2.8GHz |
| PicoLisp |
Loop inc |
加算 |
100 |
28 ※-7
|
iMac core i5 2.8GHz |
| Lua-5.4.4 |
for Loop |
加算 |
100 |
2.7
|
iMac core i5 2.8GHz |
| Lua-5.4.4 |
for Loop |
掛算・割算 |
100 |
3.3
|
iMac core i5 2.8GHz |
| LuaJit-2.0.5 |
for Loop |
加算 |
100 |
0.09 ※-1
|
iMac core i5 2.8GHz |
| LuaJit-2.0.5 |
for Loop |
掛算・割算 |
100 |
0.65 ※-1
|
iMac core i5 2.8GHz |
| Lua-5.3.5 |
for Loop |
加算 |
100 |
5.4
|
Android Tab 2.0GHz |
| Lua-5.3.5 |
for Loop |
掛算・割算 |
100 |
8.8
|
Android Tab 2.0GHz |
| cc-4.2.1 |
for Loop |
double掛算割算
|
100 |
0.77
|
iMac core i5 2.8GHz |
| NDK gcc-4.9 |
for Loop |
float掛算割算
|
100 |
0.16 ※-13
|
Android A76 2.6GHz |
| NDK gcc-4.9 |
for Loop |
float掛算割算
|
100 |
0.57 ※-13
|
Android A76 2.6GHz |
| NDK gcc-4.9 |
for Loop |
double掛算割算
|
100 |
0.79 ※-12
|
Android A76 2.6GHz |
| NDK gcc-4.9 |
for Loop |
float掛算割算
|
100 |
0.73 ※-12
|
Android A78 2.2GHz |
| NDK gcc-4.9 |
for Loop |
double掛算割算
|
100 |
0.82 ※-12
|
Android A78 2.2GHz |
| NDK gcc-4.9 |
for Loop |
float掛算割算
|
100 |
0.96 ※-12
|
Android A72 2.0GHz |
| NDK gcc-4.9 |
for Loop |
double掛算割算
|
100 |
1.31 ※-12
|
Android A72 2.0GHz |
| NDK gcc-4.9 |
for Loop |
float掛算割算
|
100 |
1.07 ※-12
|
Android A53 2.0GHz |
| NDK gcc-4.9 |
for Loop |
double掛算割算
|
100 |
1.51 ※-12
|
Android A53 2.0GHz |
| NDK gcc-4.9 |
for Loop |
float掛算割算
|
100 |
2.00 ※-12
|
Android A7 1.3GHz |
| NDK gcc-4.9 |
for Loop |
double掛算割算
|
100 |
3.31 ※-12
|
Android A7 1.3GHz |
| NDK gcc-4.9 |
for Loop |
float掛算割算
|
100 |
2.58 ※-12
|
Android A7 1.0GHz |
| NDK gcc-4.9 |
for Loop |
double掛算割算
|
100 |
4.29 ※-12
|
Android A7 1.0GHz |
| clang-16 |
for Loop |
float 加算
|
100 |
334ms ※-14
|
RaspbeeryPi-5 2.4GHz |
| clang-16 |
for Loop |
float掛算割算
|
100 |
501ms ※-14
|
RaspbeeryPi-5 2.4GHz |
| gcc-8.3.0 |
for Loop |
float掛算割算
|
100 |
2.68 ※-10
|
NanoPi Neo 974MHz |
| TinyBasic |
FOR NEXT |
加算 |
3.6［100］ |
12［333］
|
RX66T 160MHz |
| gcc/g++ |
for Loop |
double掛算割算
|
100 |
20.9 ※-4
|
RX71M 192MHz |
| gcc-8.3.0 |
for Loop |
float 加算
|
100 |
8.7 ※-5
|
RX66T 160MHz |
| gcc-8.3.0 |
for Loop |
float掛算割算
|
100 |
19.9 ※-5
|
RX66T 192MHz |
| gcc-5.2 |
for Loop |
double加算
|
100 |
42.0
|
ESP32 240MHz |
| Arduino-cli-gcc |
for Loop |
double加算
|
100 |
197 ※-11
|
RP2040 133MHz |
| Arduino-cli-gcc |
for Loop |
double掛算割算
|
100 |
45.0
|
nRF52832 64MHz |
| gcc-8.3.0 |
for Loop |
float掛算割算
|
100 |
2.38 ※-8
|
RV64GCV 984MHz |
注釈 : 計算処理例のループ計算回数は10,000x10,000=100,000,000回（１億回）
Clangはベクトル演算処理でSSE&AVX（SIMD）2〜７倍程度Intel Core が高速。《 》内
※-1 SSE2最適化あり、 ※2 SSE&AVX（SIMD） , MP最適化 ?
LLVM JITコンパイラーがあり試したい。PystonやPyjon等もLLVM-JITに対応。Python3.10がJIT対応?
Clang-LLVMがRXv3コアに未対応なのが残念。AVRコア等には対応、ルネサス社に頑張って戴きたい。
※-3 JavaScriptはChromeブラウザ(Browser)の V8 エンジン(V8engine)でPythonよりも約94倍と高性能。
レイトレーシング・ベンチマークでもJavaScript(V8engine)のWebGLはPythonよりも約70倍と高性能。2022.08.22
※-13, 14 : マルチ・スレッド（Multi-Thread）処理により最適化すれば、Quadコアで3.0〜3.6倍の性能向上となるので、そのブログラミングに挑戦中です。しかし、難易度が高い。そのページはこちらです。2024.01.03
※-4 RX71Mはgcc-4.7.4とbinutils-2.24であり、binutils-2.24がRXv2コアへの最適化が不十分。
※-5 RX66Tはgcc-8.3.0とbinutils-2.36であり、binutils-2.36がRXv3コアへの最適化が多少改善。2022.10.13
※-6 Low.jsはソースコードをコンパイルし試した。実行コードが約2Mbytesとコンパクトであり、Pythonような巨大なサイズではない。2023.01.15
※-7 PicoLispはソースコードをコンパイルし試した。実行コードが約220kbytesとコンパクトであり、マイコンにも移植が可能。独特なリスト記述型であり、μLisp,Common Lisp, RtLispもある。2023.02.02
※-8 中国製RISC-V RV64GCVコア・ボードでは浮動小数点計算処理性能が以外に良い性能であった。2023.02.17
RISC-Vコア関係はこちらのページです。2024.01.03
※-12 Andoid タブレットとスマートフォンの NDK-r15b gcc-4.9でコンンパイルし計測した結果、その性能がWindows-ノートPCなみの性能でありARM系コアが遅いと言えなくなった。gcc バージンが古いバージョン gcc-4.9であり最新のARMコアへの最適化が不十分であり、最新のNDKであればClang+LLVMとなっており、もっと良い結果となるでしょう。2023.07.03
※-10 中国製の低価格なAllwinner-H3（Cortex-A7）コア・ボードでは浮動小数点計算処理性能が充分利用可能な性能であった。人工知能処理TinyML-RunTimeランタイム・ベンチマークではCore i5(1.6GHz)に迫る性能、こちらのページ。2023.04.08
※-11 Raspberry Pi Pico（RP2040）はArduino cli・gccでビルドし確認した結果、約3分とかなり低速な性能であった。RP2040は浮動小数点演算ユニット（FPU）がないのでfloat計算をソフトMath計算となり極端に低速となってしまう。利用価値には疑問がある。2023.07.03
Python自体やPython系ライブラリーはオープンソースではなく、Python自体の巨大なサイズのソースコードをコンパイルし格闘する人が少ないと思う。近年、ＰＣやタブレット、スマホ関係ではWebとの連携が主流でありJava系が多く利用されている。2023.01.15
ESP32/240MHzのCoreMarkベンチマーク値が約504であり、MicroPythonの処理性能ではCoreMark値が504/51=約9.8相当となり、本格的なアプリケーション・ソフトの制作には向かない。
但し、約50年前のDOS-Vコンピュータ（PC）i386/25MHzのCoreMark性能値が28程度であったので使用ではないこともない。
MicroPythonを活用するにはC/C++（gcc/g++）で高速にしたい部分をコーディングすれば、処理速度の遅い面をある程度カバーできる。
CircuitPythonに関してはESP32で動作を確認ができなかった。その原因が不明であるがCircuitPythonのソースコードをコンパイルすれば動作するのでしょう。
カシオ（Casio）からMicroPython利用した関数電卓FX-CG50が13,000円程度で発売されていたので驚きであった。懐かしい、1990年代にカシオ社が人工知能処理言語Lisp搭載したAI-1000ポケット・コンピュータを発売していた。そのCPUは8ビット、10MHz以下と今では低性能なコンピュータであった。
Cythonはソースコードからコンパイルし実行が可能となったので、早速、動作確認したがPythonよりも高速とならなかった。
他にも類似のPythonプログラミング言語があり、AI処理ソフトを制作できるRustやKotlin,Jujia, go, java, javasript, Octave, Ruby, Lua, Lisp等がある。
PC用のPythonプログラミング言語では大容量メモリが必要であり処理スピードが遅い面をNumpyライブラリーでカバーしても制御応答性に問題があるので本格的で重要な自動制御システムには向かない。
マイコン・デバイスのCoreMarkベンチマーク性能を下記に比較し纏めました。 2023.09.03 更新
| デバイス&Board |
コア |
CoreMark |
動作周波数 |
備考 |
| BCM2835 |
ARM11 |
1,860 |
1GHz |
RaspberryPi-Zero |
| P2040 |
Cortex-M0+ |
146 ※1 |
133MHz |
RaspberryPi-Pico |
| ESP32 |
Xtensa-LX6 |
504 ※1 |
240MHz |
Dual-CPU Core |
| PIC32 |
MIPS |
710 |
200MHz |
Single Core |
| dsPIC33 |
PIC |
207 |
200MHz |
Single Core |
| K210（RISC-V） |
RISC-V+NPU |
660 ※1 |
400MHz |
Dual-CPU Core |
| K510（RISC-V） |
RISC-V+NPU |
1300 ? |
800MHz |
Dual-CPU Core |
| F1C100S,F1C200S |
ARM926EJ-S |
1,290 |
Max.900MHz |
Allwinner |
| V3s |
Cortex-A7 |
3,310 |
Max.1.2GHz |
Allwinner |
| D1s/F133 |
RISC-V(C906) |
3,800 |
1.0GHz |
Allwinner |
| RX66T |
RXv3 |
930 |
160MHz |
ルネサス |
| RX72N |
RXv3 |
1,396 |
240MHz |
ルネサス |
| RA6M4 |
Cortex-M33 |
804 |
200MHz |
ルネサス |
| R9A06（RV32） |
RISC-V(D25F) |
357 ※-3 |
100MHz |
ルネサス |
| RZ/Five |
RISC-V 64bits |
5,500 |
1.0GHz |
ルネサス Single Core |
| RA シリーズ |
Cortex-M85+NPU |
6,280 |
1.0GHz |
ルネサス Single Core |
| RZ/G2UL |
Cortex-A55+M33 |
4,400 ※1 |
1.0GHz |
ルネサス デュアルコア |
| RZ/G1M,G1N |
Cortex-A15 |
5,700 ※1 |
1.5GHz |
ルネサス デュアルコア |
| ATmega |
AVR core |
21 |
20MHz |
Single Core |
| Pentium |
i586 |
213 |
100MHz |
1995年頃のIntelコア |
| 80386DX2 |
i386 |
28 |
25MHz |
1980年代のIntelコア |
| 80286 |
i286 |
1.7 |
10MHz |
1980年代のIntelコア |
| RaspberryPi 4 |
Cortex-A73 |
33,070 |
1.5GHz |
ARM Quad Core |
| RaspberryPi 3 |
Cortex-A53 |
15,360 |
1.3GHz |
ARM Quad Core |
| NanoPi Neo |
Cortex-A7 |
13,250 |
1.2GHz |
ARM Quad Core |
| NanoPi Duo2 |
Cortex-A7 |
13,250 |
1.2GHz |
ARM クァッドコア |
| NanoPi Neo 4 |
Cortex-A72 |
39,090 |
2.0GHz |
RK3399 Core x 6 ※-2 |
| OrangePi Zero |
Cortex-A7 |
13,200 |
1.2GHz |
Allwinner H2 |
| Rock5B/RK3588 |
Cortex-A76+A55 |
? |
2.4GHz |
RockChip Octa Core |
| RK3288 |
Cortex-A17 |
19,800 ? |
1.8GHz |
RockChip Quad Core |
| iMX-RT1062 |
Cortex-M7 |
2310 |
600MHz |
NXP |
| MT3620 |
Cortex-A7 |
1300 |
500MHz |
RockChip |
| Rock Pi S |
Cortex-A35 |
15,350 |
1.3GHz |
ARM Quad Core |
| T31 |
MIPS32+RISC-V |
3,450 |
1.5GHz |
Ingenic |
| X2000 |
MIPS32(XBurst2) |
4,320 |
1.2GHz |
DualCore Ingenic |
| SSD201D, SSD202D |
Cortex-A7 |
6,600? |
1.0GHz |
DualCore Sigmastar |
| T-Head XuanTie C910 |
RV64GCBVH |
17,600 ? |
2.0GHz |
DualCore Alibaba |
| XT-910 (XuanTie) |
RV64GCV |
94,200 ? |
2.5GHz |
Core x16 Alibaba |
| P550 |
RV64GC |
18,240 |
2.4GHz |
Core RISC-V 64bits (SiFive) |
| P270 |
RV64GBCV |
5,750 ? |
1.0GHz ? |
Core RISC-V 64bits (SiFive) |
| T4240(12core) |
e6500(PowerPC) |
187,873 |
1.8GHz |
12Core/24Thread(2012年) |
注釈 : ※1はシングル・コアの性能、 ※-2 はRK3399はRockchip、
台湾製や中国製のSoC&SiPタイプではRAMが32MB〜128MBを内蔵。
※-3 R9A06はルネサス社小ピン小型パッケージRISC-Vコア・マイコンであり、コアAndes D25Fのステージ数が5stageである。ルネサス社が22nmプロセス製造を開始しており、コアD25Fは動作周波数が最大1.0GHzとなっているので200MHz〜1.0GHzタイプSiP構造SDRAM-32〜64MBも製品化していただきたい。或は、RXコアのSiP構造SDRAM容量4〜16MBかSRAM容量4〜8MBでQFN, QFPパッケージがよい。ルネサス社に期待したい。2023.04.16
◆ プログラミング言語の組み込み制御への利用の危険性 2022.02.16
最近，プログラミング言語が多種類となり簡単なコーディングで初心者でも制御ソフトを制作できてしまうので高価なシーケンサーPLC制御装置が不要な時代となっております。
Python等を利用すれば人工知能プログラミングが可能となり，人工知能推論で予測制御やファジィ制御，事例ベース推論制御等が可能でしょう。
反面、診断機能が欠落した簡素な制御システムには必ず落とし穴があり、診断機能等がない自動制御システムとなり重大な事故に至ることもあります。
未経験者に簡単に制御システムのソフトを制作すことができません。万が一、人工知能処理にトラブルが発生した場合の故障診断処理等が重要となることでしょう。
生産設備FA関係や重要な原子力・火力発電設備、化学プラント整備，高速電車、運搬用ドローン等では人工知能技術の利用が大変危険なシステムとなりがちであり，特にネットワーク利用で外部との接続では充分な検討が必須となります。外部のビック・データを活用するシステム構成等は更に危険性が増しサイバー攻撃・ウィルスソフトに対し脆弱性な自動制御システムとなっては大変な危険な事態に至る可能性もあります。
◆ 自動制御装置や計測装置のハード・ソフト
自動制御装置のハードとソフトを開発、及び設計製作しました、特殊なシステムの案件がありましたら是非ともご用命下さい。
詳細はこちらのページです。
超低消費電力なMPU関係はこちらのページです。 更新 2024.03.18
人口知能処理・自動制御関係はこちらのページ
ロボット制御ボード& Quad Core画像処理制御はこちらのページ
FA関係マルチ・プロセッサ自動制御ボード・自動制御ソフト関係はこちらのページ
計測自動制御・計測制御関係はこちらのページ
腕時計サイズの超小型計測制御 MPU & 画像処理 DSP ボード関係
コイン・サイズの超小型マイコン & DSP 制御ボード関係はこちらのページ
ZigBee応用計測自動制御・計測制御関係はこちらのページ
2.4GHz帯無線データ通信応用・特殊なひずみ量等の計測制御関係のページ
画像処理 CPU + FPGAボード， Dual & Quad Core画像処理装置関係
高性能マルチ CPU 高精度データロガー・計測制御関係はこちらのページ
小型タッチ・パネル計測ボード &タブレット計測装置関係はこちらのページ
医療関係計測ボード &タブレット計測ソフト関係はこちらのページ
高性能・高機能タッチパネル・データロガー・計測関係はこちらのページ
高性能・高機能タッチパネル・自動制御・計測関係はこちらのページ
高機能な診断・解析分析搭載のタブレット自動制御システム
高機能な診断・解析分析搭載のタブレット無線計測システム
スマートフォン（スマホ）無線・制御計測ソフト
◆ 自動制御関係のトラブル対策
重要な機械設備用途・自動制御関係の種々のトラブル対策概要はこちらのページです。
◆ 自動制御装置関係の技術支援
弊社では自動制御関係のトラブルでお困りの企業への技術支援業務をお引き受けしておりすので是非ともご用命下さい。
◆ 本格的で高性能な小型自動制御装置
小型でも本格的な高機能自動制御装置、汎用の小型コントーラでは不可能な複雑で高性能な自動制御が可能。
本格的な自動制御装置は7インチタッチパネルLCD液晶表示自動制御基板はこちら。
本格的で高機能・高性能なマルチプロセッサ自動制御装置の詳細な仕様はこちらです。
AI 用語の説明 : 機械学習、深層学習、デープラーニング（DeepLearning）、テンソル（Tensor）TensrFlow, TensorRT,
Nerral Neteork Console(CNN), MobileNet, CIFAR, NNL, C-RunTime, DNN, BNN, NNPack, DarkNet,
SSD, TVM, ONNC, LSTM, RNN, Caffe, Chainer, DBT, ResNet, MLP, nGraph, Keras, MXNET,, CNTX,
QNN, PyTorch, PyNum, NumPy, TinyYolo, CMSIS-NN, PolyPhny, MyHDL
用語の説明 : マイコン（マイクロ・コンピユータ）、MCU（マイクロ・コントローラユニット）、
MPU（マイクロ・プロセッシングユニット）、CPU（セントラル・プロセッシングユニット）、
パソコン、或はPC（パーソナル・コンピュータ）, C/C++ & gcc/g++コンパイラー（Compiler）
ARM系コア種類はCortex-A7, A8,A9,A53, A72, A73, A75, A77, A78, A15, M4, M7, M33, M55, M85, Cortex-A710, A715, A720, Cortex-X1, X2, X3等
Apple A11, A12, A13,A14 Bionic SnapDragon 865, 845, 855, 775, 632, 425 Kirin 658, 970,980,990 Samusung etc..
MCUの種類は ATmega, PIC32, ESP8266, ESP32, STM32, Xmos, PowerPC, RL78,SH2A, SH4A, H8SX,
RX110, RX140, RX220, RX231, RX26T, RX631, RX62N, RX64M, RX65N, RX66T,RX66N,RX71M, RX72M, RX72N, RX72T, RZ/A1H, RZ/Five
RA6M2, RA6M4, RZ6T2, RZ/A1L, Zynq FPGA, EdgeTPU 等
オペレーティング・システム(OS) : Linux, iOS, MacOSX（Darwin）, Windows, mbed, NetBSD, FreeBSD, RTOS, FreeRTOS, iTron, Zircon, 等
タブレット : 国産メーカー、グーグル(Google)社製、アマゾン(Amazon)社製、台湾製 ASUS, ASER
スマートフォン （携帯電話）: 中華製ファーウェイ（Huawei）, ZTE、OPPO. Xiaomi Redme, 台湾製 ASUS, ASER
脳科学の用語説明 : 脳科学、大脳、小脳、脳細胞、シナプス、海馬、大脳基底核、神経細胞、脳神経、自律神経、前頭葉、側頭葉、脊髄、神経ネットワーク、電気信号（活動電位）、神経伝達物質、DNA、イオン、ニューロン、スパイク発射、インパルス、電位変化、ノルアドレナリン、シナプス電位数十ミリボルト（mV）
◆ 制御システム上での問題を抱えその対策でご苦労されていませんでしょうか・・・、そんな悩みがありましたら、是非とも E-Mail :こちらをクリックして下さい。
弊社へご連絡下さい、お役に立てるようご検討致します。
自動制御システムのトラブル対応と対策関係を全て掲示することは困難ですので、トラブルを抱えておられる方は気軽に E-Mail :こちらをクリックして下さい。
弊社へご連絡下さい、お役に立てるようご検討致します。
本ページの複写禁止、他サイト・ページへの転写を禁止します。 作成 2022.02.16
|
|
|
