Habt Ihr Fragen oder Anregungen zu eingebetteten Systemen? Oder Vorschläge für andere Themen, zu denen ich einmal ein Video machen soll? Schreibt's in die Kommentare. :-)
Gibt es dort Bereiche, im denen besonders viel mit Assembler entwickelt wird? Und wie geht man damit um, dass Updates wesentlich Schwieriger sind als bei Desktop Software?
Also mit Assembler direkt eher weniger, aber oft mit C. Und genau, gerade weil es schwierig ist, Updates durchzuführen, betont man bei Embedded Systems MTBF statt MTTR (also mehr Fokus auf Korrektheit, ausschließen, dass Code fehlerhaft ist).
Du meinst Neural Processing Units? Das sind neue Ansätze, bei denen man versucht, Training von Machine Learning Modellen effizienter zu machen als es in GPUs (die vorherrschenden Architekturen derzeit) geht. Das kostet ja alles irre viel Strom z.B. Und nun versucht man, ähnlich wie man sich bei neuronalen Netzen von der Biologie her inspirieren hat lassen - aber auf der Softwareseite - Konzepte auch auf Hardware zu übertragen. Ist aber noch viel Forschung notwendig, um zu zeigen unter welchen Bedingungen sich was lohnt. Und da geht es ja um Training. Bei einem Embedded System wird man dann eher ein vortrainiertes Modell als Teil des Systems einsetzen.
Habt Ihr Fragen oder Anregungen zu eingebetteten Systemen? Oder Vorschläge für andere Themen, zu denen ich einmal ein Video machen soll? Schreibt's in die Kommentare. :-)
Gibt es dort Bereiche, im denen besonders viel mit Assembler entwickelt wird?
Und wie geht man damit um, dass Updates wesentlich Schwieriger sind als bei Desktop Software?
Welche Bedeutung spielen NPUs im Embedded Systems Bereich, die ja immer mehr im kommen sind? :)
Also mit Assembler direkt eher weniger, aber oft mit C. Und genau, gerade weil es schwierig ist, Updates durchzuführen, betont man bei Embedded Systems MTBF statt MTTR (also mehr Fokus auf Korrektheit, ausschließen, dass Code fehlerhaft ist).
Du meinst Neural Processing Units? Das sind neue Ansätze, bei denen man versucht, Training von Machine Learning Modellen effizienter zu machen als es in GPUs (die vorherrschenden Architekturen derzeit) geht. Das kostet ja alles irre viel Strom z.B. Und nun versucht man, ähnlich wie man sich bei neuronalen Netzen von der Biologie her inspirieren hat lassen - aber auf der Softwareseite - Konzepte auch auf Hardware zu übertragen. Ist aber noch viel Forschung notwendig, um zu zeigen unter welchen Bedingungen sich was lohnt. Und da geht es ja um Training. Bei einem Embedded System wird man dann eher ein vortrainiertes Modell als Teil des Systems einsetzen.