TinyML給了硬件新的生命

鋁和圖標不再足以讓產(chǎn)品在市場上引起注意。今天，偉大的產(chǎn)品需要是有用的，并提供幾乎不可思議的體驗，成為生活的延伸。微型機器學(xué)習(xí)(TinyML)是最新的嵌入式軟件技術(shù)，它將硬件帶入了一個幾乎不可思議的領(lǐng)域，機器可以通過使用自動學(xué)習(xí)和成長，就像原始人類的大腦一樣。

到目前為止，為硬件構(gòu)建機器學(xué)習(xí)(ML)算法意味著基于樣本數(shù)據(jù)的復(fù)雜數(shù)學(xué)模型，即所謂的“訓(xùn)練數(shù)據(jù)”，以便做出預(yù)測或決策，而不需要顯式編程。如果這聽起來復(fù)雜和昂貴的建設(shè)，它是。最重要的是，傳統(tǒng)上與ml相關(guān)的任務(wù)被轉(zhuǎn)換到云上，這造成了延遲，消耗了稀缺的電力，并使機器受到連接速度的影響。結(jié)合起來，這些約束使得邊緣的計算速度更慢，成本更高，而且更難以預(yù)測。

但由于最近的進展，公司正將TinyML作為構(gòu)建產(chǎn)品智能的最新趨勢。以開源硬件聞名的Arduino公司正在為數(shù)百萬開發(fā)者提供TinyML。他們和Edge Impulse一起，將無處不在的Arduino板變成一個強大的嵌入式ML平臺，如Arduino Nano 33 BLE Sense等32位板。通過這種合作關(guān)系，你可以運行強大的學(xué)習(xí)模型，該模型基于人工神經(jīng)網(wǎng)絡(luò)(ANN)到達和采樣微小傳感器以及低功率微控制器。

在過去的一年里，通過為微控制器、uTensor和Arm的CMSIS-NN提供TensorFlow Lite等項目，在使深度學(xué)習(xí)模型更小、更快和可在嵌入式硬件上運行方面取得了巨大的進步。但是，構(gòu)建一個高質(zhì)量的數(shù)據(jù)集、提取正確的特性、培訓(xùn)和部署這些模型仍然很復(fù)雜。TinyML是edge硬件和設(shè)備智能之間缺失的一環(huán)，現(xiàn)在已經(jīng)實現(xiàn)了。