TinyML

最早我以为TinyML是一个库,后来看了下才发现不是。TinyML是嵌入式的机器学习统称,像是一个基金会,主页是:Home | tinyML Foundation

涉及到主要的应用,其实还是那几家,TensorFlow Lite Micro,PyTorch也有lite版。

相比传统模型,多了两个核心步骤,1 Convert 2 Interpreter

  • Converter

1. 将TF模型转化为TFLite模型

2. 减少模型体积,保持模型精度。

  • Interpreter

1. 支持多系统

2. 透出标准API

3. 解析TFLite模型

C++改写推理:

CRAFT文字检测算法解析和基于C++和TensorRT的推理实现_craft算法-CSDN博客

MCU跑AI,谁更牛?|算法|ai|mcu|arm|低功耗|编码器_网易订阅

最简单体验TinyML、TensorFlow Lite——ESP32跑机器学习(全代码)-CSDN博客

https://zhuanlan.zhihu.com/p/656861020

你知道TinyML运行效能谁说了算吗?-电子发烧友网

TinyML —— 模型剪枝(pruning)

MIT 6.5940 Fall 2023 TinyML and Efficient Deep Learning Computing

芯片算力(TOPS, GOPS, MOPS)与精度(int8,int16)_tops算力-CSDN博客

更大的模型并不总是更好的模型,微型机器学习将是未来的方向

TensorRT详细入门指北,如果你还不了解TensorRT,过来看看吧!-腾讯云开发者社区-腾讯云

MCU跑AI,谁更牛?

常规的部署落地大部分使用的还是C++或C,C#等,如国内腾讯的ncnn,tnn,阿里的mnn,商汤的ppl,百度的paddle lite等系列向前推理框架

深度学习模型压缩流程图

TinyOL:https://arxiv.org/pdf/2103.08295

参考:【机器学习】TinyML的介绍以及在运动健康领域的应用-CSDN博客

TinyML 是指在资源有限的嵌入式设备上运行的机器学习模型和算法。该术语最近越来越受关注,因为传统的机器学习模型通常需要在强大的计算机上运行,这限制了机器学习在物联网和传感器应用中的使用。TinyML 的目标是在资源受限的设备上实现机器学习和人工智能功能。 TinyML 的应用范围十分广泛,包括传感器数据分析、声音识别、图像分类和物体检测等。由于嵌入式设备通常拥有有限的处理能力和内存空间,因此 TinyML 让机器学习模型能够有效地在这些设备上运行。 关于 TinyML 的 PDF,可能是指关于 TinyML 的学习资料或相关文档的PDF文件。在这些PDF文件中,可以学习和了解关于TinyML的概念、原理、算法和实践等内容。 这些PDF文件可以包括以下内容: 1. TinyML 的基本概念和原理,例如有关资源受限设备上机器学习的挑战和解决方法。 2. TinyML 的算法和技术,例如边缘计算、量化、压缩和部署等方面的内容。 3. TinyML 的应用案例,例如嵌入式设备上的语音识别、物体检测和生物传感器等。 4. 在TinyML环境中使用的工具、框架和库,例如TensorFlow Lite for Microcontrollers等。 5. 关于如何训练和优化TinyML模型的实践建议和方法。 总之,TinyML的PDF资料提供了深入了解和学习TinyML的机会,帮助开发者理解和应用在嵌入式设备中的机器学习技术。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值