本文是系列文章的第二部分，重點介紹卷積神經網路(CNN)的特性和應用。 CNN主要用於模式識別和對象分類。在上一篇文章《訓練卷積神經網路：什麼是機器學習？ （一）》中，我們比較了在MCU微控制器中運行經典線性規劃程序與運行CNN的區別，並展示了CNN的優勢。

隨著人工智慧(AI)技術的快速發展，AI可以支援以前無法實現或者難以實現的應用越來越多。CNN是一種能夠從複雜數據中提取特徵的強大工具，例如識別聲音訊號或圖像訊號中的複雜模式就是其應用之一。

為您精心設計的產品，選擇一款高端MCU『最新神器MAX78002』

人工智慧（AI）是需要極高的計算能力的。ADI新一代的人工智慧微處理器，能使神經網路在超低功耗上執行。

ADI公司為家庭影院和遊戲解決方案提供一流的性能。最新的HDMI® 2.1影音技術，在SHARC®處理器上音訊解碼器是最小的延遲，為音訊的準確性和成熟的框架提供了最佳的音訊性能。

人工智慧（AI）需要極高的計算能力，MAX78000是新一代AI微控制器，使神經網路能夠以超低功耗執行，實現物聯網邊緣運算。

音訊助手在從家用到汽車和工業產品和物聯網的各種應用中變得非常流行。MAX78000是新一代人工智慧（AI）微控制器，使神經網路能夠以超低功耗執行，並生活在物聯網邊緣。本文展示了在MAX78000上實現關鍵字識別應用。

本文介紹了一種在MAX78000上運行的人臉辨識（FaceID）方法，該模型採用ADI在PyTorch上的開發流程構建，使用不同的開放數據集進行訓練，並部署在MAX78000評估板上。