Brainchip Klassengruppe WKN: A14Z7W ISIN: AU000000BRN8 Kürzel: BRN Forum: Aktien User: Rarosch

Endlich mal wieder ne richtige Meldung✌️

Hier braking News aus dem TSE „ein Meilenstein mit brainchip“ https://www.nviso.ai/en/news/nviso-announces-it-has-reached-a-key-interoperability-milestone-with-brainchip-akida-neuromorphic-ip

Und einmal aktualisiert 98.0¢ Change -0.025 ( 1.05 %) Open High Low Volume 94.5¢ 98.0¢ 93.5¢ 783759 Last updated 10.52am 19/07/2022 (live) ?

Kursstart CHI-X 95.5¢ Change 0.000 ( 1.53 %) Open High Low Volume 94.5¢ 96.0¢ 93.5¢ 560896 Last updated 10.15am 19/07/2022 (live) ?

Ja echt .wasn mit euch heute los,voll hyperaktiv 🤪🤔🦧🤖🤖☝🍻

Wird auch Zeit Dallas , du bist dran 🤣🤣🤣👍

https://twitter.com/EdgeImpulse/status/1549095986059960321?t=iFMwikLF151AZ_aVXX5srA&s=19

https://twitter.com/EdgeImpulse/status/1549087554837876736?t=iFMwikLF151AZ_aVXX5srA&s=19

https://twitter.com/StockTrackAU/status/1548961787781218304?t=HmIkqTpuITf8Uv5FvQnv5A&s=19

Ist doch prima 👍 python wird in so vielen Bereichen genutzt. Da ist dieses Tool doch ne feine Sache 👍

https://twitter.com/brainchip_inc/status/1549081661999960064?s=21&t=CRnQ3alcMD0pmOQGyz5Rlw

was haltet ihr von der Schnittstelle Akida Phyton ?

Link zum Video https://www.facebook.com/nasdaily/videos/458102379464968/?app=fbl Veröffentlichung in 3 Jahren

Automatische MetaTF-Konvertierung TensorFlow-Modelle Das Framework nutzt die Skriptsprache Python und die zugehörigen Tools und Bibliotheken, einschließlich Jupyter-Notebooks und NumPy. Erstellen Sie Modelle in TensorFlow Keras. Konvertieren Sie mit MetaTF einfach und automatisch. Sie müssen kein neues ML-Framework lernen. Konvertieren Sie Ihr CNN ganz einfach in SNN. Das MetaTF ML-Framework umfasst drei Python-Hauptpakete: Das Akida-Python-Paket ist eine Schnittstelle zum BrainChip Akida Neuromorphic System-on-Chip (NSoC). Um die Entwicklung von Akida-Modellen ohne tatsächliche Akida-Hardware zu ermöglichen, enthält es eine Laufzeit, einen Hardware Abstraction Layer (HAL) und ein Software-Backend, das den Akida NSoC simuliert. Das CNN2SNN-Tool bietet Mittel zum Konvertieren von Convolutional Neural Networks (CNN), die mit Deep-Learning-Methoden trainiert wurden, in ein Event-Domain-Netzwerk mit niedriger Latenz und geringem Stromverbrauch zur Verwendung mit der Akida-Laufzeit. Der Akida-Modellzoo enthält vorgefertigte Netzwerkmodelle, die mit der sequenziellen Akida-API und dem CNN2SNN-Tool unter Verwendung quantisierter Keras-Modelle erstellt wurden.

https://twitter.com/brainchip_inc/status/1549073739316244481?s=21&t=CRnQ3alcMD0pmOQGyz5Rlw