Odpowiedz już dziś na lokalne wydarzenie TensorFlow Everywhere!
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 małej 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 gruntownie 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 struktury 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