MAX78002GXE+

Analog Devices / Maxim Integrated
700-MAX78002GXE+
MAX78002GXE+

Tillverk:

Beskrivning:
ARM-mikrokontroller - MCU ARM M4F w/ 2MB Weight CNN Accelerator, C

ECAD-modell:
Ladda ned den kostnadsfria Libary Loader för att omvandla denna fil för ditt ECAD-verktyg. Läs mer om ECAD-modellen.

På lager: 101

Lager:
101 Kan skickas omedelbart
Fabrikens ledtid:
10 Veckor Uppskattad tillverkningstid i fabriken för kvantiteter som är större än vad som visas.
Partier som är större än 101 kommer att omfattas av ett krav på minimibeställning.
Minst: 1   Flera: 1
Enhetspris:
-,-- kr
Ext. pris:
-,-- kr
Est. Pris:
Denna produkt levereras UTAN KOSTNAD

Prissättning (SEK)

Antal Enhetspris
Ext. pris
778,04 kr 778,04 kr
646,59 kr 6.465,90 kr
615,52 kr 15.388,00 kr
578,03 kr 57.803,00 kr
560,70 kr 105.972,30 kr

Produktattribut Attributvärde Välj attribut
Analog Devices Inc.
Produktkategori: ARM-mikrokontroller - MCU
RoHS-direktivet:  
SMD/SMT
CSBGA-144
ARM Cortex M4F
2.5 MB
32 bit
120 MHz
60 I/O
384 kB
2.85 V
3.6 V
- 40 C
+ 105 C
Tray
Analog matningsspänning: 1.71 V to 1.89 V
Märke: Analog Devices / Maxim Integrated
DataRAM-typ: SRAM
DataROM-storlek: 64 kB
DataROM-typ: ROM
Gränssnittstyp: I2S, SDIO
Antal timers/räknare: 3 Timer
Driftspänning: 2.85 V to 3.6 V
Processorserie: MAX78002
Produkt: MCUs
Produkttyp: ARM Microcontrollers - MCU
Programminnestyp: Flash
Fabriksförpackningskvantitet: 189
Underkategori: Microcontrollers - MCU
Övervakningstimers: Watchdog Timer
Hittade produkter:
Markera minst en kryssruta för att visa liknande produkter
Markera minst en kryssruta ovan för att visa liknande produkter i denna kategori.
Attribut som valts: 0

Denna funktion kräver att Javascript är aktiverat.

TARIC:
8542319000
CAHTS:
8542310000
USHTS:
8542310025
ECCN:
5A992.C

MAX78002 Artificial Intelligence Microcontrollers

Analog Devices MAX78002 Artificial Intelligence Microcontrollers are AI microcontrollers that enable neural networks. The Analog Devices MAX78002 can execute at ultra-low power and live at the edge of the IoT. The devices combine energy-efficient AI processing with ultra-low-power microcontrollers. This hardware-based CNN accelerator enables battery-powered applications to execute AI inferences while expending only millijoules of energy.