完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>
標簽 > TinyML
TinyML 是機器學習和嵌入式 IoT 設備的交叉領域,是一門新興的工程學科,具有革新許多行業的潛力。
TinyML 源自物聯網 IoT 的概念。物聯網的傳統做法,是將數據從本地設備發送到云端處理。
TinyML 是機器學習和嵌入式 IoT 設備的交叉領域,是一門新興的工程學科,具有革新許多行業的潛力。
TinyML 源自物聯網 IoT 的概念。物聯網的傳統做法,是將數據從本地設備發送到云端處理。
TinyML 的主要受益者,是邊緣計算和節能計算領域。TinyML 源自物聯網 IoT 的概念。物聯網的傳統做法,是將數據從本地設備發送到云端處理。一些人對這一方式在隱私、延遲、存儲和能源效率等方面存在疑慮。
能源效率。無論通過有線還是無線方式,數據傳輸都非常耗能,比使用乘積累加運算單元(multiply-accumulate units,MAU)的本機計算高出約一個數量級。最節能的做法,是研發具備本地數據處理能力的物聯網系統。相對于“以計算為中心”的云模型,“以數據為中心”的計算思想已得到了人工智能先驅者的一些先期探討,并已在當前得到了應用。
隱私。數據傳輸中存在侵犯隱私的隱患。數據可能被惡意行為者攔截,并且存儲在云等單個位置中時,數據固有的安全性也會降低。通過將數據大部保留在設備上,可最大程度地減少通信需求,進而提高安全性和隱私性。
存儲。許多物聯網設備所獲取的大部分數據是毫無用處的。想象一下,一臺安防攝像機每天 24 小時不間斷地記錄著建筑物的入口情況。在一天的大部分時間中,該攝像機并沒有發揮任何作用,因為并沒有什么異常情況發生。采用僅在必要時激活的更智能的系統,可降低對存儲容量的需求,進而降低需傳輸到云端的數據量。
延遲。標準的物聯網設備,例如 Amazon Alexa,需將數據傳輸到云來處理,然后由算法的輸出給出響應。從這個意義上講,設備只是云模型的一個便捷網關,類似于和 Amazon 服務器之間的信鴿。設備本身并非智能的,響應速度完全取決于互聯網性能。如果網速很慢,那么 Amazon Alexa 的響應也會變慢。自帶自動語音識別功能的智能 IoT 設備,由于降低甚至是完全消除了對外部通信的依賴,因此降低了延遲。
TinyML人工智能算法的運行離不開計算的硬件 - 微控制器(MCU),借助TinyML工具、NPU的硬件加速以及平臺化的部署,大大提升微控制器(MCU...
【tinyML】使用EdgeImpulse讓您的Arduino可以辨識手勢!
Wio Terminal 是一款專門用于 IoT 與 TinyML 的多功能開發板 – 包含了 ATSAMD51P19 芯片并以 ARMCortex-M...
TinyML計算機視覺正在通過microNPU(μ NPU)變為現實
今天的計算機視覺(CV)技術正處于一個轉折點,主要趨勢正在融合,使云技術在微小的邊緣AI設備中變得無處不在。技術進步使這種以云為中心的人工智能技術能夠擴...
如何使用TinyML和Edge Impulse構建一個咳嗽檢測系統
在本文中,我們將展示如何使用 TinyML 和 Edge Impulse 為 Arduino Nano BLE Sense 構建咳嗽檢測系統。
最近,隨著機器學習(ML, Machine Learning)的進步出現了分歧,分為兩個規模:一個是傳統的大型ML(云ML),模型越來越大,以實現準確性...
眾所皆知,MCU運算力有限(相對于IoT網關、手機、計算機),而AI/ML向來耗用運算力,如此TinyML的技術主張豈不矛盾?事實上,MCU的運算力也非...
RT-Thread上部署TinyMaix推理框架,使MCU賦予AI能力
MCU AI代表著微控制器上的人工智能。它是將機器學習和深度學習模型部署到資源有限但功能強大的微控制器中,以實現智能決策和感知。以下是MCU AI的一些...
TinyML 是指在 Arduino 這類 MCU 板子上也能做到簡易的神經網絡推論,讓基本的傳感器數據分析也能透過機器學習來找到更多有趣的信息。
機器學習(ML)是解決涉及模式識別問題的一個非常好的工具,ML算法能將雜亂的原始數據轉化為可用信號。其基本流程是基于數據產生模型,然后利用模型預測輸出,...
如何優化ML模型與硬件實現TinyML?Arm歸納出5種作法
近幾年,因應AI與ML應用趨勢浪潮,越來越多企業開始嘗試將這樣的能力帶到靠近數據源的邊緣設備或IoT裝置,來發展各種Edge AI或AIoT應用。例如結...
當AIoT遇上tinyML是否會成為MCU供應鏈下一個新商機
隨著物聯網(Internet of Thing, IoT)誕生,萬物都上網,新產品如果沒有「IoT+」或「+IoT」就好像跟時代脫了節。接下來人工智能(...
編輯推薦廠商產品技術軟件/工具OS/語言教程專題
電機控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無刷電機 | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機 | PID | MOSFET | 傳感器 | 人工智能 | 物聯網 | NXP | 賽靈思 |
步進電機 | SPWM | 充電樁 | IPM | 機器視覺 | 無人機 | 三菱電機 | ST |
伺服電機 | SVPWM | 光伏發電 | UPS | AR | 智能電網 | 國民技術 | Microchip |
開關電源 | 步進電機 | 無線充電 | LabVIEW | EMC | PLC | OLED | 單片機 |
5G | m2m | DSP | MCU | ASIC | CPU | ROM | DRAM |
NB-IoT | LoRa | Zigbee | NFC | 藍牙 | RFID | Wi-Fi | SIGFOX |
Type-C | USB | 以太網 | 仿真器 | RISC | RAM | 寄存器 | GPU |
語音識別 | 萬用表 | CPLD | 耦合 | 電路仿真 | 電容濾波 | 保護電路 | 看門狗 |
CAN | CSI | DSI | DVI | Ethernet | HDMI | I2C | RS-485 |
SDI | nas | DMA | HomeKit | 閾值電壓 | UART | 機器學習 | TensorFlow |
Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |