TensorFlow Lite สำหรับไมโครคอนโทรลเลอร์

จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ

TensorFlow Lite สำหรับไมโครคอนโทรลเลอร์ได้รับการออกแบบมาเพื่อเรียกใช้โมเดลการเรียนรู้ของเครื่องบนไมโครคอนโทรลเลอร์และอุปกรณ์อื่นๆ ที่มีหน่วยความจำเพียงไม่กี่กิโลไบต์ คอร์รันไทม์พอดีใน 16 KB บน Arm Cortex M3 และสามารถรันโมเดลพื้นฐานได้หลายรุ่น ไม่ต้องการการสนับสนุนระบบปฏิบัติการ ไลบรารี C หรือ C++ มาตรฐานใดๆ หรือการจัดสรรหน่วยความจำแบบไดนามิก

เหตุใดไมโครคอนโทรลเลอร์จึงมีความสำคัญ

ไมโครคอนโทรลเลอร์มักเป็นอุปกรณ์คอมพิวเตอร์ขนาดเล็กที่ใช้พลังงานต่ำซึ่งฝังอยู่ภายในฮาร์ดแวร์ที่ต้องการการคำนวณขั้นพื้นฐาน การนำแมชชีนเลิร์นนิงมาสู่ไมโครคอนโทรลเลอร์ขนาดเล็ก ทำให้เราสามารถเพิ่มความชาญฉลาดให้กับอุปกรณ์หลายพันล้านเครื่องที่เราใช้ในชีวิตของเรา รวมถึงเครื่องใช้ในครัวเรือนและอุปกรณ์ Internet of Things โดยไม่ต้องพึ่งพาฮาร์ดแวร์ราคาแพงหรือการเชื่อมต่ออินเทอร์เน็ตที่เชื่อถือได้ ซึ่งมักขึ้นอยู่กับแบนด์วิดท์และ ข้อจำกัดด้านพลังงานและส่งผลให้มีเวลาแฝงสูง นอกจากนี้ยังสามารถช่วยรักษาความเป็นส่วนตัว เนื่องจากไม่มีข้อมูลออกจากอุปกรณ์ ลองนึกภาพอุปกรณ์อัจฉริยะที่สามารถปรับให้เข้ากับกิจวัตรประจำวันของคุณ เซ็นเซอร์อุตสาหกรรมอัจฉริยะที่เข้าใจความแตกต่างระหว่างปัญหาและการทำงานปกติ และของเล่นมหัศจรรย์ที่จะช่วยให้เด็กๆ เรียนรู้อย่างสนุกสนานและน่ารื่นรมย์

แพลตฟอร์มที่รองรับ

TensorFlow Lite สำหรับไมโครคอนโทรลเลอร์เขียนด้วย C++ 11 และต้องใช้แพลตฟอร์ม 32 บิต ได้รับการทดสอบอย่างกว้างขวางกับโปรเซสเซอร์หลายตัวที่ใช้สถาปัตยกรรม Arm Cortex-M Series และได้รับการเชื่อมต่อกับสถาปัตยกรรมอื่น ๆ รวมถึง ESP32 เฟรมเวิร์กมีอยู่ในไลบรารี Arduino นอกจากนี้ยังสามารถสร้างโครงการสำหรับสภาพแวดล้อมการพัฒนาเช่น Mbed เป็นโอเพ่นซอร์สและสามารถรวมไว้ในโปรเจ็กต์ C ++ 11 ใดก็ได้

รองรับบอร์ดพัฒนาต่อไปนี้:

สำรวจตัวอย่าง

แอปพลิเคชันตัวอย่างแต่ละรายการอยู่บน Github และมีไฟล์ README.md ที่อธิบายวิธีการปรับใช้กับแพลตฟอร์มที่รองรับ ตัวอย่างบางส่วนยังมีบทช่วยสอนแบบ end-to-end โดยใช้แพลตฟอร์มเฉพาะตามที่ระบุด้านล่าง:

เวิร์กโฟลว์

จำเป็นต้องมีขั้นตอนต่อไปนี้เพื่อปรับใช้และเรียกใช้โมเดล TensorFlow บนไมโครคอนโทรลเลอร์:

  1. ฝึกโมเดล :
    • สร้างโมเดล TensorFlow ขนาดเล็ก ที่เหมาะกับอุปกรณ์เป้าหมายของคุณและมี การทำงานที่รองรับ
    • แปลงเป็นโมเดล TensorFlow Lite โดยใช้ตัว แปลง TensorFlow Lite
    • แปลงเป็นอาร์เรย์ C ไบต์ โดยใช้ เครื่องมือมาตรฐาน เพื่อเก็บไว้ในหน่วยความจำโปรแกรมแบบอ่านอย่างเดียวบนอุปกรณ์
  2. เรียกใช้การอนุมาน บนอุปกรณ์โดยใช้ ไลบรารี C++ และประมวลผลผลลัพธ์

ข้อจำกัด

TensorFlow Lite สำหรับไมโครคอนโทรลเลอร์ได้รับการออกแบบสำหรับข้อจำกัดเฉพาะของการพัฒนาไมโครคอนโทรลเลอร์ หากคุณกำลังทำงานกับอุปกรณ์ที่ทรงพลังกว่า (เช่น อุปกรณ์ Linux แบบฝังตัว เช่น Raspberry Pi) เฟรมเวิร์ก TensorFlow Lite มาตรฐานอาจผสานรวมได้ง่ายกว่า

ควรพิจารณาข้อจำกัดต่อไปนี้:

ขั้นตอนถัดไป