Esta es la Parte 3, de la plataforma ganadora del premio Embedded World 2026 de Nordic NRF54LM20-DK Nordic Semiconductor ASA | Development Boards, Kits, Programmers | DigiKey
En este artículo, como previamente prometido, DigiKey demonstrará como configurar esta plataforma Inteligencia Artificial (AI) IoT kit de desarrollo en una compatudora con el sistema operativo Linux. Este demo va usar la Unidad Neural de Procesamiento (NPU) de Nordic NRF54LM20-DK Nordic Semiconductor ASA | Development Boards, Kits, Programmers | DigiKey, shown in this block diagram,
Por favor refierase a los dos previos artículos Parte 1 and Parte 2 como una referencia si es necesario. También por favor refierase a la configuración original si es necesario. Ahora se procede a realizar la configuración en una computadora de Linux,
~/DigiKey_Coffee_Cup/Nordic/$ nrfutil sdk-manager install v3.3.0-preview2
entonces se procede a realizar el siguiente paso para instalar el sistema Edge Artificial Intelligence (AI) del sistema operativo de tiempo real Zephyr.
~/DigiKey_Coffee_Cup/Nordic/$ west init -m "https://github.com/nrfconnect/sdk-edge-ai" --mr v2.0.0
en este punto, estamos listos para realizar el siguiente update,
~/DigiKey_Coffee_Cup/Nordic/zephyrproject/zephyr$ west update
Ahora estamos listos a entrar el mundo de la Inteligencia Artificial (AI) IoT
Este demo va implementar un modelo de regresión que ejecuto en el NPU Axon NPU y que apoya ambos modos de inferencia (sincrónico y asincrónico). Por favor, recuerde esta palabra para aquellos que quieren aprender mas acerca de la Inteligencia Artificial (AI) y la palabra clave es…
INFERENCIA
Si usted quiere entrar al mundo de la Intelegencia Artificial (AI), por favor recuerde esta palabra y lo que realmente signfica. Esta plataforma de Nordic ganadora del premio en Embedded World 2026 permite via el Nordic Edge AI en el lado derecho de la siguiente figura, muestra el proceso de INFERENCIA que ahora ocure en el dominio de Internet of Things (IoT).
Esta previa foto muestra la evolución de la emigración del proceso de inferencia desde la red tipicamente conocida como la nube a los artefactos IoT desde la izquierda hasta la derecha. Sin envolverse mucho en términos esotéricos, con nuestro artículo, proceda a construir, el primer demo que se implementa dentro del Axon (Neural Processing Unit) (NPU) abriendo el siguiente shell,
~/DigiKey_Coffee_Cup/Nordic/$ nrfutil sdk-manager toolchain launch --ncs-version v3.3.0-preview2 --shell
Initializing shell environment!
...
ahora se procede a construir la aplicación,
(v3.3.0-preview2) ~/DigiKey_Coffee_Cup/Nordic/$ west build -p always -b nrf54lm20dk/nrf54lm20b/cpuapp edge-ai/samples/axon/hello_axon/
...
...
...
278/278] Linking C executable zephyr/zephyr.elf
Memory region Used Size Region Size %age Used
FLASH: 64772 B 1940 KB 3.26%
RAM: 8304 B 511 KB 1.59%
IDT_LIST: 0 GB 32 KB 0.00%
...
Conecte el cable al USB de la plataforma como se muestra a continuación,
Ahora se procede a abrir un terminal para observar los resultados creados por el Axon Neural Processing Unit (NPU). Finalmente, se programa la plataforma IoT kit de Nordic NRF54LM20-DK Nordic Semiconductor ASA | Development Boards, Kits, Programmers | DigiKey como se ve a continuación,
~/DigiKey_Coffee_Cup/Nordic/zephyrproject/zephyr$ west flash
...
...
etc
-- west flash: rebuilding
[0/3] Performing build step for 'hello_axon'
ninja: no work to do.
[3/3] Completed 'hello_axon'
-- west flash: using runner nrfutil
-- runners.nrfutil: reset after flashing requested
Using board 001051861371
-- runners.nrfutil: Flashing file: /Digikey_Coffee_Cup/nordic/build/hello_axon/zephyr/zephyr.hex
-- runners.nrfutil: Connecting to probe
-- runners.nrfutil: Programming image
-- runners.nrfutil: Verifying image
-- runners.nrfutil: Reset
-- runners.nrfutil: Board(s) with serial number(s) 1051861371 flashed successfully.
si todo procede como se espera debemos de ver la siguiente informacion en el terminal de minicom,
Este demo demuestra como correr el modelo neural INFERENCIA en el Axon NPU usando el Axon NPU driver directamente. Este demo de regresion usa el Zephyr’s TensorFlow Lite para Microcontroladores: Hello World_ sample. El proposito del mismo es replicar la función del seno en el dominio entre 0 to 2π.
Los resultados de inferencia del sistema de neuronas son comparados con el valor ideal para diferentes iteraciones. El archivo de TensorFlow Lite que describe este modelo es procesado por el compilador del Axon NPU y lo cambia al formato requerido por el Axon NPU. La compilacion lo guarda en el archivo :src/generated/nrf_axon_model_hello_axon_.h con sus correspondientes pesos y coeficientes aplicables en el archivo,
/*********************************************************************************
* Auto-generated nrf Axon compiled neural network model header file.
* Model Name: hello_axon
* Axon Neural Network Compiler Version: 0.1.0
*********************************************************************************/
#ifdef __cplusplus
extern "C" {
#endif
#define NRF_AXON_MODEL_HELLO_AXON_MAX_IL_BUFFER_USED 16
#define NRF_AXON_MODEL_HELLO_AXON_MAX_PSUM_BUFFER_USED 0
#if AXON_COMPILE_TIME_BUFFER_CHECK
static_assert(NRF_AXON_MODEL_HELLO_AXON_MAX_IL_BUFFER_USED < sizeof(nrf_axon_interlayer_buffer), "nrf_axon_interlayer_buffer TOO SMALL!!!!\n");
#endif
// size of axon_model_const_hello_axon: 420
const static struct {
int8_t l00_weights[16];
int32_t l00_biasp[16];
int8_t l01_weights[256];
int32_t l01_biasp[16];
int8_t l02_weights[16];
int32_t l02_biasp[1];
} axon_model_const_hello_axon = {
.l00_weights = {117,28,17,-31,12,-127,-91,66,-2,-43,-44,-78,97,120,25,-33,},
.l00_biasp = {14982,6519,-301,-3968,4727,-16256,-11648,10195,-256,-5504,2930,-9984,14255,12647,-844,-4224,},
.l01_weights = {-18,-4,0,-20,5,23,-17,-20,-26,-8,3,1,0,-6,-8,-11,-36,-21,39,20,-15,-34,-30,-37,-16,-34,49,6,2,-26,-18,-7,0,22,7,-32,-2,-1,-23,6,-25,-17,-127,27,24,-22,-55,1,15,0,-38,-9,14,-20,19,31,4,19,-76,-26,-3,6,-71,-32,13,-20,-16,-34,-21,-9,5,38,26,-28,111,26,-22,30,53,-33,26,-13,-15,25,15,3,27,-31,-34,19,-10,25,-1,-10,27,24,-16,28,-38,27,27,32,-27,26,-11,-1,-106,11,0,1,-51,-34,13,-10,22,-29,-19,-4,14,-23,-6,-21,92,-4,29,2,91,-30,-31,-11,21,-20,-12,0,19,5,-20,12,29,20,14,-25,11,-12,25,0,-41,5,39,2,21,-22,-22,2,-101,0,12,-6,-24,-22,-3,0,20,-3,11,2,-17,-18,6,-18,1,13,6,-26,-9,17,-9,9,-8,-15,33,-1,14,-13,-20,18,38,29,-14,-23,40,24,-32,-5,-13,-12,5,29,29,-5,-3,30,-4,17,-24,7,9,3,18,-14,54,-5,-36,28,-7,-17,-13,-25,111,12,29,0,69,-3,14,-16,11,25,26,-6,-32,25,31,19,54,28,18,-21,59,12,-76,-53,-26,19,-6,-21,-15,6,28,-6,24,-27,-21,-53,12,-12,},
.l01_biasp = {-13568,-19019,-25096,-19795,13297,9856,-14183,12926,1295,-14380,-2745,14262,3968,23596,29899,-27702,},
.l02_weights = {33,-91,-117,-54,94,29,-50,66,-99,-50,31,-80,-33,84,47,-127,},
.l02_biasp = {-44788,},
};
etc.....
El código en C de este demo de regresión se encuentra aquí,
edge-ai/samples/axon/hello_axon/src/main.c
Se ha completado la demostración del nuevo Axon Neural Processing Unit (NPU) usando el Axon NPU driver directamente, en la innovativa plataforma AI IoT de Nordic. Por favor mantengase sintonizado para el próximo articulo. Esta plataforma AI de IoT ganadora del premio de Embedded World 2026 de NordicNRF54LM20-DK está disponible en DigiKey.
Que tenga buen día
Este artículo está disponible en inglés aquí.
This article is available in english here.