发布适用于微控制器的TensorFlow Lite.doc
《发布适用于微控制器的TensorFlow Lite.doc》由会员分享,可在线阅读,更多相关《发布适用于微控制器的TensorFlow Lite.doc(3页珍藏版)》请在三一文库上搜索。
1、发布适用于微控制器的TensorFlow Lite在过去的一年里,我花了很多时间研究在微控制器上开展机器学习,今天终于可以在 TensorFlow 开发者峰会上公开展示成果了,这感觉真的很棒。不仅如此,我还能够演示 TensorFlow Lite 在 Cortex M4 开发板上运行,处理简单的语音关键字识别。我非常紧张,尤其是还需要克服礼堂的噪音,但我做到了,我让小小的黄色发光二极管 (LED) 闪烁,响应我的命令!如果您有兴趣亲自试用,只需 15 美元,即可从 SparkFun 购得含有预加载示例代码的开发板。如果您未能观看我的演讲,欢迎阅读下面的文字记录。注:示例代码 链接https:/
2、sparkfun/products/15170大家好,我是 TensorFlow Lite 团队的 Pete Warden,我要介绍一个让我们非常振奋的新项目。2014 年,我刚刚加入 Google,了解到很多彼时尚未公开但非常刺激的内部研究。不过,印象最深的一刻是在见到 Raziel时,他当时在语音团队工作,他跟我说他们用的网络模型大小只有 13 千字节!我只接触过图像模型,那时,即使是像 Inception 这样最小的模型也仍然有几兆字节大。当他告诉我为什么这些模型一定要这么小时,我更吃惊了。他们需要在智能手机的数字信号处理器 (DSP) 和其他嵌入式芯片上运行这些模型,以便 Androi
3、d 能够在主 CPU 关闭以节省电池电量的情况下监听到 “嘿,Google” 等唤醒词。这些微控制器的随机存取存储器 (RAM) 和闪存往往只有几十千字节,无法兼容更大的模型。他们也无法依靠云连接,因为持续开启任何无线连接都会让电池电量迅速耗尽。令我印象深刻的是,语音团队拥有非常丰富的经验,他们花费了大量时间进行实验,即使面对严苛的设备限制,神经网络产出的结果也比他们尝试过的任何传统方法都好。这让我想知道它们是否对其他嵌入式传感器应用也有用,而且我想看看我们能否将对这些平台的支持构建到 TensorFlow 中。当时,语音社区里几乎没人知道这项正在进行的开创性研究,因此,能够帮助研究者更广泛地
4、分享这一研究,我感到很兴奋。今天,我非常高兴地宣布,我们将在 TensorFlow Lite 中首次为嵌入式平台提供实验性支持。为了更好地说明,下面我要演示我口袋里的这个东西了!这是由 SparkFun 生产的开发板原型,搭载一个具有 384KB RAM 和 1MB 闪存的 Cortex M4 处理器。这个处理器由 Ambiq打造,它的功耗极低,在很多情况下耗电不到 1 毫瓦,所以依靠一枚小小的纽扣电池供电,它就可以运行许多天。现在我要尝试做现场演示了,我可是把职业生涯都攥在手里了,所以祝我好运吧!我们的目标是,当我说出 “是” 这个词时,这里这个黄色的小 LED 灯会亮起来。希望我们可以用这
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 发布适用于微控制器的TensorFlow Lite 发布 适用于 控制器 TensorFlow
链接地址:https://www.31doc.com/p-3399452.html