[资料]

【先楫HPM5361EVK开发板试用体验】：4、TinyML测试(1)

2023-12-22 10:12:25 1834 5300 HPM

0 1、TinyML简介 TinyML是指在边缘设备上运行的机器学习模型，通常是在资源受限的嵌入式系统上运行的轻量级模型。这些设备可以是智能手机、传感器、微控制器或其他嵌入式设备。TinyML的目标是在这些设备上实现低功耗、低延迟和隐私保护的机器学习应用。 TinyML的发展受益于多个技术进步，包括模型压缩、量化、剪枝和量化训练等技术。这些技术允许将大型的深度学习模型压缩到足够小的尺寸，以适应嵌入式设备的资源限制。此外，TinyML还依赖于优化的推理引擎和针对嵌入式设备的硬件加速器，以实现高效的模型推理。 TinyML的应用领域非常广泛，包括智能传感器、健康监测、物联网、智能音频处理、自动驾驶、智能家居等。通过在边缘设备上运行机器学习模型，可以实现实时的数据分析和决策，同时减少对云端计算资源的依赖，从而提高隐私保护和降低通信成本。总的来说，TinyML代表了一种趋势，即将机器学习能力推送到边缘设备，从而实现更加智能化和高效的嵌入式系统。 2、测试 2.1 实验平台 RT-Thread：https://www.rt-thread.org/ TinyMaix: https://en.wiki.sipeed.com/news/others/tinymaix_cnx/tinymaix_cnx.html 2.2 步骤首先，基于开发板建立一个项目。寻找现在软件包软件包在嵌入式AI中本次实验使用是TinyMaix包，已经被大神在RTT中配置好。需要进行配置，主要是进行例程配置等待例程配置完成然后，编译、下载、打开命令台输入help查看例程(VWW例程没有跑通) 运行结果 3、测试结果分析 Total param ~1.9 KB表示该模型的参数总量约为1.9 KB，这是一个非常小的模型，适合在资源受限的嵌入式设备上运行。OPS ~0.02 MOPS表示该模型的计算量约为0.02 MOPS（百万次操作每秒），这是一个非常低的计算量。buffer 1.4 KB表示该模型需要的缓冲区大小为1.4 KB，也是一个非常小的缓冲区。最后的tm_run use 0.003 ms表示该模型的推理时间为0.003毫秒，这意味着该模型在嵌入式设备上可以实现非常快速的推理，非常适合实时应用。 0
举报淘帖0 只看该作者相关推荐 • 【先楫HPM5361EVK开发板试用体验】(原创)5.手把手实战AI机械臂 3511 • 【先楫HPM5361EVK开发板试用体验】先楫HPM5361EVK开发板的UART实践与测试 1352 • 【先楫HPM5361EVK开发板试用体验】先楫HPM5361EVK开发板初体验 1401 • 【先楫HPM5361EVK开发板试用体验】认识和了解先楫HPM5361EVK开发板 1346 • 【先楫HPM5361EVK开发板试用体验】-- HPM5361初体验 3036 • 【先楫HPM5361EVK开发板试用体验】coremark软件跑分测试HPM5361EVK性能 785 • 【先楫HPM5361EVK开发板试用体验】搭建开发环境2 795 • 【先楫HPM5361EVK开发板试用体验】GPIO使用，点灯 966 • 【先楫HPM5361EVK开发板试用体验】coremark软件跑分测试HPM5361EVK性能 1266 • 【先楫HPM5361EVK开发板试用体验】coremark测试HPM5361EVK性能 915