到目前为止，为硬件构建机器学习（ML）算法意味着基于样本数据（称为“ 训练数据 ” ）的复杂数学模式，以便进行预测或决策而无需明确地编程。而且，如果这听起来很复杂且制造成本很高，那就是。最重要的是，传统上与ML相关的任务已转换到云中，从而造成了延迟，消耗了稀缺的电量，并使机器处于连接速度的摆布之下。这些限制加在一起，使Edge的计算速度更慢，更昂贵，更不可预测。Tiny Machine Learning（TinyML）是最新的嵌入式软件技术，可将硬件带入一个几乎不可思议的领域，而机器可以通过使用而自动学习和成长，就像原始的人脑一样。
但是由于最近的进展，公司将TinyML视为构建产品智能的最新趋势。Arduino，最著名的开源硬件公司，使TinyML可供数百万开发人员使用，现在与Edge Impulse一起，他们将无处不在的Arduino板变成了强大的嵌入式ML平台，例如Arduino Nano 33 BLE Sense和其他32位板。通过这种合作关系，您可以运行基于人工神经网络（ANN）的强大学习模型，该模型可以到达并采样微型传感器以及低功耗微控制器。
在过去的一年中，通过诸如TensorFlow Lite for Microcontroller，uTensor和Arm的CMSIS-NN等项目，使深度学习模型更小，更快，可在嵌入式硬件上运行方面取得了长足的进步。但是构建高质量的数据集，提取正确的特征，训练和部署这些模型仍然很复杂。TinyML是Edge硬件和设备智能之间缺失的链接，现已成为现实。
大脑不那么小的微型设备
TinyML可访问性的含义在当今世界中非常重要。例如，一个典型的药物开发试验大约需要五年，因为在获得FDA批准的过程中可能需要做出数百万个设计决策。使用TinyML和硬件（而不是动物）的功能来测试模型可以加快过程，并且只需12个月。
就构建神经网络而言，这种改变游戏规则的技术的另一个例子是能够解决问题并为我们以前做不到的事情创建新的解决方案。例如，TinyML可以侦听蜂箱并检测出像黄蜂一样小的东西引起的异常和困扰。微型传感器可以基于声音模型触发警报，该模型可以识别受攻击的蜂巢，从而使农民能够实时保护和协助蜂巢。
为什么选择实时TinyML
我们所有人都迫切需要廉价，易于部署的COVID-19和其他流感病毒解决方案，而早期发现症状可能会对全球数百万生命造成直接影响。如今，使用TinyML和简单的Arduino板，您可以检测到异常咳嗽并发出警报，以此作为遏制COVID19的第一道防线。在最近的一次展示中，Edge Impulse和Arduino发布了一个项目，该项目具有在Arduino Nano BLE Sense上运行TinyML的强大功能和简便性，该功能可以检测实时音频中特定咳嗽声音的存在，包括咳嗽和背景噪音的数据集样本，并应用高度优化的TinyML模型，构建了咳嗽检测系统，该系统在Nano BLE Sense上的RAM不足20 kB的情况下运行。该项目该数据集最初由Kartik Thakore启动，以帮助进行COVID-19，并已作为Hackster.io上的开源存储库提供。
同样的方法也适用于许多其他嵌入式音频模式匹配应用程序，例如，育儿，老人护理，安全和机器监控。
TinyML将会无处不在
TinyML目前在全球拥有2500亿个微控制器，并且每年以300亿的速度增长，是执行视觉，音频，运动等设备上数据分析的最佳技术。TinyML使小型设备能够做出明智的决策，而无需将数据发送到云。与数据科学家使用的一般ML怪兽不同，TinyML模型足够小，可以放入任何环境中-这就是它们将无处不在的原因。
TinyML对于软件开发人员和工程师的可访问性是为何这项技术如此普及的另一个关键因素。例如，想要使用ML构建嵌入式系统的软件开发人员可以通过将iPhone用作边缘设备，并使用其传感器捕获数据来构建模型。建立第一个模型所需要做的就是登录Edge Impulse Studio上的数据采集选项卡，选择您的手机作为边缘设备，例如选择加速度传感器，然后在移动您的手机时单击“开始采样”。上下移动电话以生成数据并在图表中查看。就这么简单。
TinyML代码将无处不在：机器，植物，人类，动物。
如今，出色的产品需要实用并提供几乎神奇的体验，这才是生活的延伸。 今天和未来，数十亿个微型设备将充当我们的大脑，感觉和情感的延伸，是日常生活的自然延伸，并且由此，TinyML将影响每个行业：零售，医疗保健，运输，保健，农业，健身和制造。
（正文已结束）
推荐阅读：三亚都市网
免责声明及提醒：此文内容为本网所转载企业宣传资讯，该相关信息仅为宣传及传递更多信息之目的，不代表本网站观点，文章真实性请浏览者慎重核实！任何投资加盟均有风险，提醒广大民众投资需谨慎！
