機器學(xué)習(xí)已經(jīng)成為一個重要的技術(shù)驅(qū)動力,,在從汽車和工業(yè)控制到物聯(lián)網(wǎng)和空間系統(tǒng)技術(shù),機器學(xué)習(xí)已經(jīng)在多個行業(yè)中取得了成果和創(chuàng)新,。多數(shù)機器學(xué)習(xí)專注于具有后端服務(wù)器或應(yīng)用處理器中的高端,、計算量大的應(yīng)用程序,。盡管如此,將機器學(xué)習(xí)算法部署到微控制器的需求越來越大,。
基于微控制器的機器學(xué)習(xí)用例
機器學(xué)習(xí)是否能應(yīng)用于微控制器,,取決于具體應(yīng)用,。例如,如果想要將自適應(yīng) ML 算法部署到微控制器,,則超出了其處理能力,。但是,對于基于微控制器的系統(tǒng),,有幾個機器學(xué)習(xí)用例非常有趣,,而且應(yīng)用數(shù)量在不斷增長。
一個有趣的用例是關(guān)鍵字發(fā)現(xiàn),。語音正在成為一種高效的用戶接口,,而微控制器可以提供實現(xiàn)。例如,,低功耗微控制器可以運行機器學(xué)習(xí)推理來監(jiān)視單個關(guān)鍵字,。檢測到關(guān)鍵字后,微控制器可以喚醒一個應(yīng)用處理器,,該處理器可以管理其他關(guān)鍵字和主應(yīng)用程序,。
另一個應(yīng)用是預(yù)測性維護。當(dāng)在許多工業(yè)和家庭應(yīng)用中使用的機器出現(xiàn)故障時,,維修可能會非常昂貴且不方便,。在許多情況下,機器不會突然壞掉,。相反,,根據(jù)可檢測的數(shù)據(jù)點(如振動、氣流等),,性能的輕微下降表明設(shè)備可能存在問題,。簡單的機器學(xué)習(xí)模型可以檢測正常行為,并在系統(tǒng)需要維護時提醒用戶,。提前維護而非停機可以節(jié)省資金,、減少麻煩。
微控制器的機器學(xué)習(xí)技術(shù)
一旦確定了機器學(xué)習(xí)用例,,我們需要使用合適的工具和技術(shù)來構(gòu)建它,。在微控制器領(lǐng)域,幫助開發(fā)人員實現(xiàn)機器學(xué)習(xí)工作的工具正在迅速增長,。
開發(fā)人員可以利用多種工具為其應(yīng)用程序訓(xùn)練機器學(xué)習(xí)模型,。Tensorflow Lite for Microcontrollers 在微控制器和只有幾千字節(jié)內(nèi)存的設(shè)備上運行機器學(xué)習(xí)模型。其基本運行庫在Arm Cortex M3上占用16 KB,,并且可以運行許多基本模型,。它不需要操作系統(tǒng)、標準 C 或 C++ 庫或動態(tài)內(nèi)存分配,。
根據(jù)選擇的微控制器,,開發(fā)人員還有利用相應(yīng)微控制器的生態(tài)系統(tǒng),。例如,ST的X-CUBE-AI 插件允許開發(fā)人員導(dǎo)入機器學(xué)習(xí)模型,、對其進行分析并優(yōu)化以在微控制器上運行,。
邊緣構(gòu)建低功耗 AI/IoT 的工具SensiML,,支持數(shù)據(jù)集,、模型管道版本控制和多會話數(shù)據(jù)集標注。SensiML允許幾乎沒有ML經(jīng)驗的軟件開發(fā)人員訓(xùn)練機器學(xué)習(xí)模型并將其部署到微控制器,。生成的模型會自動轉(zhuǎn)換為代碼,,直接在目標設(shè)備上執(zhí)行實時推理。使智能應(yīng)用運行得更快,,需要更少的網(wǎng)絡(luò)性能,,更加安全。
是否可以在微控制器端實現(xiàn)機器學(xué)習(xí)應(yīng)用取決于最終用例,。一些工具如SensiML可以支持微控制器的機器學(xué)習(xí),。將機器學(xué)習(xí)模型部署到微控制器時,可能需要在運行庫的內(nèi)存占用及模型的準確性中做出權(quán)衡,。
更多信息可以來這里獲取==>>電子技術(shù)應(yīng)用-AET<<