在科技日新月异的今天,AI 正以前所未有的速度重塑着我们的世界。
作为这一革命性技术的核心驱动力- AI 模型,是我们了解 AI ,学习 AI,研究 AI 过程中非常重要的一部分。
这些看似神奇的模型,实则是由复杂算法和庞大的数据精心雕琢而成。本文将和您一起深入探索 AI 模型的奥秘,一窥这个 AI 革命性技术的核心驱动力。
AI 模型是指通过计算机算法和数据训练得到的一种能够模拟人类智能行为的系统。
(图片来源于网络)
简单来说,AI 模型包括两个部分
1)基础是算法、程序
2)还包括通过算法和程序中学习得到的参数
首先,我们先从 AI 模型的分类看,AI 模型的分类有很多种,
- 根据参数多少分类
小型模型: ≤ 1 百万个参数
中型模型:1 百万 – 1 亿个参数
大型模型:1 亿 – 10 亿个参数
极大型模型:≥ 10 亿个参数
其中大型模型和极大型模型可以被视为 AI 大模型
- 根据模型的复杂度分类:弱人工智能模型、强人工智能模型
- 根据模型的结构和工作原理分类:机器学习模型、深度学习模型
- 根据输入模型分类:语言大模型、视觉大模型
- 根据应用领域分类:自然语言处理模型、计算机视觉模型、语音识别模型
(图片来源于网络)
因此,根据以上众多分类的模型,我们在选择 AI 模型的时候,也是要考虑多方因素。比如,参数越多,模型越大,需要的资源也就越多,当然相对的准确性也就越高,因此在选择模型的时候,需要多方考量折中选择平衡点,跟我们平常买东西的时候考量的“性价比”是一个意思。
AI 模型选择的考量点,我总结出主要以下几点:
- 模型的性能决定产品的性能
- 模型的复杂度决定产品的计算成本和训练时间
- 模型的可解释性,表示了模型的可靠性以及可优化空间
- 模型部署支持的工具是否完善、便捷
下面我们介绍一些常见的 AI 模型
RNN:循环神经网络
应用场景:自然语言处理、语音识别、时间序列预测等
RNN 是一种神经网络模型,它的基本结构是一个循环体,可以处理序列数据。RNN 的特点是能够在处理当前输入的同时,记住前面的信息。
通过捕捉序列数据的依赖关系,可以生成有意义的输出或对未来的趋势进行预测。
CNN:卷积神经网络
应用场景:计算机视觉、图像分类、物体检测等
CNN 是一种神经网络模型,它的基本结构是由多个卷积层和池化层组成的。卷积层可以提取图像中的局部特征,而池化层则可以减少特征的数量,筛选特征,提高计算效率。CNN 的这种结构使得它非常适合用于计算机视觉任务。
Transformer
应用场景:自然语言处理、机器翻译、文本生成等
Transformer 是一种基于自注意力机制的神经网络模型,它允许输入序列的每个元素都与序列中的其他元素进行比较,以计算序列的表示,这使得模型可以更好地捕捉序列中的长距离依赖关系。它的基本结构是由多个编码器和解码器组成的。编码器可以将输入序列转换为向量表示,而解码器则可以将该向量表示转换回输出序列,使得模型能够更好地理解和处理输入序列,并生成准确的输出序列。
YOLO-v8
应用场景:图像分类、物体检测、实例分割、姿势估计
YOLO 系列 AI 模型在实时性能上有优势,通过改进算法和网络结构,提高目标检测的准确性,包括更好的边界框定位和分类准确性,这有助于更精确地识别和定位目标对象。 支持多种格式部署,良好的硬件平台可用性和兼容性,缺点在于训练时间较长,也需要较高的计算资源。
以上一些常见的模型,更多是应用在云端或者 MPU,属于比较大的模型,性能更强,但是对资源的要求更高,更符合大众认可的 AI 应用方向。
但是目前也有一些应用,对实时性、私密性要求较高,但是对性能要求不是太高的 AI 应用方向,也是一个很大的应用市场,针对这类应用市场,恩智浦新出的 MCX N 系列,带有 NPU,支持运行神经网络模型,特别是针对边缘计算优化的轻量级模型。这些模型可以用于图像识别、语音识别、自然语言处理等 AI 任务。
那关于 MCX N947 这类产品,支持哪些轻量级模型呢?
在 AI 开发功能上,NXP 有一套工具 eIQ,具体的应用,大大通也有相关的介绍,关注我后续的博文也会出相应的介绍。
eIQ 工具内置了AI 模型算法,其中 N947 SDK 中有例程即可支持,快速开发,实现产品功能。
eIQ 工具不仅可以应用在 N947 的开发,支持所有 NXP 产品的 AI 功能开发,包括 RT 系列、i.mx MPU 系列等。
eIQ 中轻量的 AI 模型有:
MobileNet
应用:图像分类、目标检测、人脸识别等
MobileNet 通过引入宽度乘数和分辨率乘数两个超参数,进一步减小了计算量和模型参数。宽度乘数按照比例缩小输入通道和输出通道的数量,而分辨率乘数则按比例缩小输入图像的大小。
这两个超参数可以根据实际需求进行调整,以平衡计算量和准确率。
综上所述,AI 模型的选择在 AI 产品开发的全过程中扮演着至关重要的角色。
在 AI 产品开发的道路上,选择合适的AI模型只是第一步,也是重要的一步。接下来,将 AI 模型的优势充分发挥出来,创造一些性价比更高更加智能更加 AI 的产品,让 AI 照亮人类生活的每一个角落。
註1: 作者:NXP 客栈:《MCX N947:eIQ基本分类模型训练及部署》