Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

TensorFlow Lite dla mikrokontrolerów

TensorFlow Lite for Microcontrollers jest przeznaczony do uruchamiania modeli uczenia maszynowego na mikrokontrolerach i innych urządzeniach z zaledwie kilkoma kilobajtami pamięci. Podstawowe środowisko uruchomieniowe mieści się w 16 KB na Arm Cortex M3 i może obsługiwać wiele podstawowych modeli. Nie wymaga obsługi systemu operacyjnego, żadnych standardowych bibliotek C lub C ++ ani dynamicznej alokacji pamięci.

Dlaczego mikrokontrolery są ważne

Mikrokontrolery to zazwyczaj małe urządzenia komputerowe o niskim poborze mocy, które są wbudowane w sprzęt wymagający podstawowych obliczeń. Wprowadzając uczenie maszynowe do małych mikrokontrolerów, możemy zwiększyć inteligencję miliardów urządzeń, których używamy w naszym życiu, w tym urządzeń gospodarstwa domowego i urządzeń Internetu rzeczy, bez polegania na drogim sprzęcie lub niezawodnych połączeniach internetowych, które często są uzależnione od przepustowości i ograniczenia mocy i skutkują dużym opóźnieniem. Może to również pomóc w zachowaniu prywatności, ponieważ żadne dane nie opuszczają urządzenia. Wyobraź sobie inteligentne urządzenia, które dostosowują się do Twojej codziennej rutyny, inteligentne czujniki przemysłowe, które rozumieją różnicę między problemami a normalną obsługą, oraz magiczne zabawki, które mogą pomóc dzieciom uczyć się w przyjemny i przyjemny sposób.

Obsługiwane platformy

TensorFlow Lite for Microcontrollers jest napisany w języku C ++ 11 i wymaga platformy 32-bitowej. Został wszechstronnie przetestowany z wieloma procesorami opartymi na architekturze Arm Cortex-M Series i został przeniesiony na inne architektury, w tym ESP32 . Framework jest dostępny jako biblioteka Arduino. Może również generować projekty dla środowisk programistycznych, takich jak Mbed. Jest open source i można go włączyć do dowolnego projektu C ++ 11.

Obsługiwane są następujące płyty rozwojowe:

Poznaj przykłady

Każda przykładowa aplikacja znajduje się w serwisie Github i zawiera plik README.md , który wyjaśnia, w jaki sposób można ją wdrożyć na obsługiwanych platformach. Niektóre przykłady zawierają również kompleksowe samouczki z wykorzystaniem określonej platformy, jak podano poniżej:

Przepływ pracy

Aby wdrożyć i uruchomić model TensorFlow na mikrokontrolerze, wymagane są następujące kroki:

  1. Wytrenuj model :
  2. Uruchom wnioskowanie na urządzeniu przy użyciu biblioteki C ++ i przetwórz wyniki.

Ograniczenia

TensorFlow Lite dla mikrokontrolerów został zaprojektowany z myślą o specyficznych ograniczeniach związanych z rozwojem mikrokontrolerów. Jeśli pracujesz na mocniejszych urządzeniach (na przykład na wbudowanym urządzeniu z systemem Linux, takim jak Raspberry Pi), integracja standardowej platformy TensorFlow Lite może być łatwiejsza.

Należy wziąć pod uwagę następujące ograniczenia:

  • Obsługa ograniczonego podzbioru operacji TensorFlow
  • Obsługa ograniczonego zestawu urządzeń
  • Niskopoziomowy interfejs API C ++ wymagający ręcznego zarządzania pamięcią
  • Trening na urządzeniu nie jest obsługiwany

Następne kroki