Tha modalan Ionnsachadh Inneal air feadh an àite an-dràsta. Tron latha, is dòcha gu bheil thu a 'cleachdadh na modalan sin tòrr a bharrachd na tha thu a' tuigsinn. Bithear a’ cleachdadh mhodalan ionnsachadh innealan ann an gnìomhan cumanta leithid brobhsadh air na meadhanan sòisealta, togail dhealbhan agus sgrùdadh na h-aimsire.
Is dòcha gu bheil algorithm inneal-ionnsachaidh air am blog seo a mholadh dhut. Tha sinn uile air cluinntinn mu cho fada ‘s a tha e na modalan sin a thrèanadh. Tha sinn uile air cluinntinn gu bheil trèanadh nam modalan sin a 'toirt ùine.
Ach, gu tric tha e cosgail co-dhùnadh a dhèanamh air na modailean sin.
Feumaidh sinn siostaman coimpiutair a tha luath gu leòr gus an ìre aig a bheil sinn a’ cleachdadh seirbheisean ionnsachaidh innealan a làimhseachadh. Mar thoradh air an sin, tha a’ mhòr-chuid de na modailean sin air an ruith air ionadan dàta mòr le cruinneachaidhean CPU agus GPU (eadhon TPUn ann an cuid de chùisean).
Nuair a thogas tu dealbh, tha thu ag iarraidh ionnsachadh innealan gus a leasachadh gu bràth. Chan eil thu airson gum feum thu feitheamh gus an tèid an ìomhaigh a ghluasad gu ionad dàta, a phròiseasadh agus a thilleadh thugad. Anns a 'chùis seo, bu chòir am modal ionnsachaidh inneal a chur gu bàs gu h-ionadail.
Nuair a chanas tu "Hey Siri" no "Ceart gu leòr, Google," tha thu airson gum freagair na h-innealan agad sa bhad. A’ feitheamh ri do ghuth a chuir gu na coimpiutairean, far an tèid a mheasadh agus dàta fhaighinn.
Bheir seo ùine agus bheir e droch bhuaidh air eòlas an neach-cleachdaidh. Anns a 'chùis seo, tha thu airson gum bi am modal ionnsachaidh inneal ag obair gu h-ionadail cuideachd. Seo far a bheil TinyML a’ tighinn a-steach.
Anns an dreuchd seo, seallaidh sinn ri TinyML, mar a tha e ag obair, mar a chleachdas e, mar a thòisicheas tu air, agus mòran a bharrachd.
Na th’ann TinyML?
Tha TinyML na smachd ùr-nodha a tha a’ buntainn ri comas rèabhlaideach ionnsachadh innealan a thaobh coileanadh agus crìochan cumhachd innealan beaga agus siostaman freumhaichte.
Feumaidh cleachdadh soirbheachail sa ghnìomhachas seo tuigse mhionaideach air tagraidhean, algorithms, bathar-cruaidh is bathar-bog. Is e subgenre ionnsachadh inneal a th ’ann a bhios a’ cleachdadh modalan ionnsachaidh domhainn agus ionnsachadh inneal ann an siostaman freumhaichte a bhios a ’fastadh microcontrollers, pròiseasairean comharran didseatach, no pròiseasairean sònraichte cumhachd ultra-ìosal eile.
Tha innealan freumhaichte le comas TinyML an dùil algorithm ionnsachadh inneal a ruith airson obair shònraichte, mar as trice mar phàirt de dh’ inneal coimpiutaireachd as ùire.
Gus ruith airson seachdainean, mìosan, no eadhon bliadhnaichean às aonais ath-luchdachadh no ath-nuadhachadh bataraidh, feumaidh caitheamh cumhachd nas lugha na 1 mW a bhith aig na siostaman freumhaichte sin.
Ciamar a dh'obraicheas e?
Is e an aon fhrèam ionnsachaidh inneal a ghabhas cleachdadh le microcontrollers agus coimpiutairean TensorFlow Lite. Is e seata innealan a th ’ann a leigeas le luchd-leasachaidh na modalan aca a ruith air innealan gluasadach, freumhaichte agus iomaill, a’ toirt cothrom airson ionnsachadh innealan air an itealan.
Tha eadar-aghaidh an microcontroller air a chleachdadh gus dàta a chruinneachadh bho luchd-mothachaidh (leithid microfònan, camarathan, no mothachairean freumhaichte).
Mus tèid a chuir chun microcontroller, tha an dàta air a thoirt a-steach do mhodal ionnsachaidh inneal stèidhichte air sgòthan. Bithear a’ cleachdadh trèanadh baidse ann am modh far-loidhne gu cumanta gus na modalan sin a thrèanadh. An dàta sensor a thèid a chleachdadh airson ionnsachadh agus co-dhùnadh air a dhearbhadh mar-thà airson an tagraidh sònraichte.
Ma tha am modail ga thrèanadh gus facal-faire a lorg, mar eisimpleir, tha e air a stèidheachadh mu thràth gus sruthan claisneachd leantainneach a làimhseachadh bho mhicreofon.
Tha a h-uile càil air a dhèanamh mu thràth le taic bho àrd-ùrlar sgòthan mar Google Colab ann an cùis TensorFlow Lite, a’ toirt a-steach taghadh dàta, gnàthachadh, fo-fhreagarrachd no cus den mhodail, cunbhalachadh, àrdachadh dàta, trèanadh, dearbhadh agus deuchainn.
Tha modal làn-thrèanadh air atharrachadh mu dheireadh agus air a ghluasad chun microcontroller, microcomputer, no pròiseasar comharran didseatach às deidh trèanadh baidse far-loidhne. Chan eil trèanadh a bharrachd aig a’ mhodail às deidh dha a bhith air a ghluasad gu inneal freumhaichte. An àite sin, bidh e dìreach a’ cleachdadh dàta fìor-ùine bho luchd-mothachaidh no innealan cuir a-steach gus am modail a chuir an sàs.
Mar thoradh air an sin, feumaidh modal ionnsachaidh inneal TinyML a bhith air leth seasmhach agus comasach a bhith air ath-thrèanadh às deidh bliadhnaichean no gun a bhith air ath-thrèanadh. Feumar sgrùdadh a dhèanamh air a h-uile modal a dh’ fhaodadh a bhith neo-fhreagarrach agus ro-fhreagarrach gus am bi am modail fhathast buntainneach airson ùine fhada, agus mar as fheàrr gun chrìoch.
Ach carson a chleachdas tu TinyML?
Thòisich TinyML mar oidhirp gus cuir às no lughdachadh earbsa IoT air seirbheisean sgòthan airson mion-sgèile bunaiteach. ionnsachadh innealan obrachaidhean. Dh'fheumadh seo modalan ionnsachadh innealan a chleachdadh air na h-innealan iomaill fhèin. Tha e a 'toirt seachad na buannachdan mòra a leanas:
- Cumhachd ìosal caitheamh: Bu chòir do thagradh TinyML nas lugha na 1 milliWatt de chumhachd a chleachdadh. Le caitheamh cumhachd ìosal mar sin, faodaidh inneal leantainn air adhart a’ tighinn gu co-dhùnaidhean bho dhàta mothachaidh airson mìosan no bliadhnaichean, eadhon ged a bhiodh e air a stiùireadh le bataraidh coin.
- Cosgais nas ìsle: Tha e air a dhealbhadh gus ruith air microcontrollers 32-bit aig prìs ìosal no DSPn. Mar as trice tha na microcontrollers sin beagan sgillin gach fear, agus tha an siostam freumhaichte iomlan a chaidh a leasachadh leotha nas lugha na $ 50. Tha seo na roghainn gu math cosg-èifeachdach airson a bhith a’ ruith prògraman ionnsachaidh innealan beaga air sgèile mhòr, agus tha e gu sònraichte buannachdail ann an tagraidhean IoT far am feumar ionnsachadh innealan a chuir an sàs.
- Latency nas ìsle: Tha latency ìosal aig na tagraidhean aige leis nach fheum iad dàta a ghiùlan no iomlaid thairis air an lìonra. Tha a h-uile dàta mothachaidh air a chlàradh gu h-ionadail, agus tha co-dhùnaidhean air an tarraing a 'cleachdadh modail a chaidh a thrèanadh mar-thà. Faodar toraidhean co-dhùnaidhean a chuir gu frithealaiche no sgòth airson logadh no giollachd a bharrachd, ged nach eil seo riatanach airson an inneal obrachadh. Bidh seo a’ lughdachadh cianalas lìonra agus a’ cur às don fheum air gnìomhachd ionnsachadh innealan a bhith air a dhèanamh air sgòth no frithealaiche.
- Prìobhaideachd: Tha e na adhbhar dragh mòr air an eadar-lìon agus leis an eadar-lìon de rudan. Bithear a’ dèanamh an obair ionnsachaidh inneal ann an aplacaidean TinyML gu h-ionadail, gun a bhith a’ stòradh no a’ cur dàta mothachaidh / neach-cleachdaidh gu frithealaiche / sgòth. Mar thoradh air an sin, eadhon ged a tha iad ceangailte ri lìonra, tha na tagraidhean sin sàbhailte an cleachdadh agus chan eil iad nan cunnart prìobhaideachd.
Tagraidhean
- Àiteachas - Cuin bidh tuathanaich a’ togail dealbh de phlannt, tha tagradh TensorFlow Lite a’ lorg tinneasan ann. Bidh e ag obair air inneal sam bith agus chan eil feum air ceangal eadar-lìn. Bidh am modh-obrach a’ dìon ùidhean àiteachais agus tha e na fhìor fheum airson tuathanaich dùthchail.
- Cumail suas meacanaig - Is urrainn dha TinyML, nuair a thèid a chleachdadh air innealan le cumhachd ìosal, lochdan ann an inneal aithneachadh gu leantainneach. Tha e a’ toirt a-steach cumail suas stèidhichte air ro-innse. Tha Ping Services, companaidh tòiseachaidh à Astràilia, air inneal IoT a thoirt a-steach a bhios a’ cumail sùil air rothan-gaoithe le bhith gan ceangal fhèin ri taobh a-muigh an roth-uidheam. Bidh e a’ cur fios gu na h-ùghdarrasan nuair a lorgas e duilgheadas no mì-ghnàthachadh sam bith.
- Ospadalan - The Is e pròiseact a th’ ann an Solar Scare. Bidh mosgìoto a’ cleachdadh TinyML gus stad a chuir air sgaoileadh tinneasan leithid dengue agus malaria. Tha e air a stiùireadh le lùth na grèine agus lorgaidh e suidheachadh briodachaidh mosgìoto mus cuir e comharra air an uisge gus casg a chuir air briodadh mosgìoto.
- Sgrùdadh Trafaig - Le a’ cleachdadh TinyML ri mothachairean a bhios a’ cruinneachadh dàta trafaic fìor-ùine, is urrainn dhuinn an cleachdadh gus trafaic a stiùireadh nas fheàrr agus amannan freagairt charbadan èiginn a ghearradh. Bidh Swim.AI, mar eisimpleir, a’ cleachdadh an teicneòlais seo air sruthadh dàta gus sàbhailteachd luchd-siubhail àrdachadh agus aig an aon àm a’ lughdachadh dùmhlachd is sgaoilidhean tro shlighean snasail.
- lagh: Faodar TinyML a chleachdadh ann an cur an gnìomh lagha gus gnìomhan mì-laghail leithid aimhreit agus mèirle a chomharrachadh a’ cleachdadh ionnsachadh innealan agus aithneachadh gluasad-bodhaig. Faodar prògram coltach ris a chleachdadh cuideachd gus ATMan banca a dhèanamh tèarainte. Le bhith a’ coimhead air giùlan luchd-cleachdaidh, faodaidh modal TinyML ro-innse a bheil an neach-cleachdaidh na fhìor neach-cleachdaidh a’ crìochnachadh malairt no neach-ionnsaigh a’ feuchainn ris an ATM a sheacadh no a sgrios.
Ciamar a thòisicheas tu le TinyML?
Gus tòiseachadh le TinyML ann an TensorFlow Lite, bidh feum agad air bòrd microcontroller co-fhreagarrach. Bidh TensorFlow Lite airson Microcontrollers a’ toirt taic do na microcontrollers a tha air an liostadh gu h-ìosal.
- Terminal Wio: ATSAMD51
- Bòrd Leasachaidh Himax WE-I Plus EVB Endpoint AI
- STM32F746 pasgan lorg
- Adafruit EdgeBadge
- Synopsys DesignWare Àrd-ùrlar Leasachadh Bathar-bog ARC EM
- Sony Express
- Arduino Nano 33 BLE Sense
- SparkFun Iomall
- Adafruit TensorFlow Lite airson Microcontrollers Kit
- Raon-cluiche Cearcall Adafruit Bluefruit
- Espressif ESP32-DevKitC
- Espressif ESP-EYE
Is iad sin microcontrollers 32-bit le cuimhne flash gu leòr, RAM, agus tricead gleoc gus modal ionnsachaidh inneal a chuir an gnìomh. Tha grunn luchd-mothachaidh air bòrd aig na bùird cuideachd a tha comasach air prògram freumhaichte sam bith a ruith agus modalan ionnsachaidh inneal a chuir an sàs anns an tagradh cuimsichte. Gu cruthaich modal ionnsachaidh inneal, bidh feum agad air laptop no coimpiutair a bharrachd air àrd-ùrlar bathar-cruaidh.
Tha na h-innealan prògramaidh aca fhèin aig gach àrd-ùrlar bathar-cruaidh airson modalan ionnsachaidh innealan a thogail, a thrèanadh agus a ghiùlan, a bhios a’ cleachdadh pasgan TensorFlow Lite for Microcontrollers. Tha TensorFlow Lite an-asgaidh a chleachdadh agus atharrachadh oir tha e open source.
Gus tòiseachadh le TinyML agus TensorFlow Lite, chan eil agad ach aon de na h-àrd-ùrlaran bathar-cruaidh freumhaichte gu h-àrd, coimpiutair / laptop, càball USB, inneal-tionndaidh USB-gu-Sreath - agus am miann ionnsachadh innealan a chleachdadh le siostaman freumhaichte. .
dùbhlain
Eadhon ged a tha adhartas TinyML air mòran thoraidhean adhartach a thoirt a-mach, tha cnapan-starra mòra fhathast ann an gnìomhachas ionnsachadh innealan.
- Iomadachd bathar-bog - còdadh làimhe, gineadh còd, agus eadar-mhìnearan ML uile nan roghainnean airson modalan a chleachdadh air innealan TinyML, agus bidh gach fear a’ toirt ùine is oidhirp eadar-dhealaichte. Faodaidh diofar thaisbeanaidhean èirigh mar thoradh air an seo.
- Iomadachd bathar-cruaidh - An sin tha grunn roghainnean bathar-cruaidh rim faighinn. Faodaidh àrd-ùrlaran TinyML a bhith mar rud sam bith bho mhicro-smachdadairean coitcheann gu pròiseasairean neural adhartach. Tha seo ag adhbhrachadh dhuilgheadasan le cleachdadh mhodail thar diofar ailtireachd.
- Fuasgladh thrioblaidean/debugging - Cuin bidh modal ML a’ coileanadh gu dona air an sgòth, tha e sìmplidh coimhead air an dàta agus faighinn a-mach dè a tha a’ dol ceàrr. Nuair a tha modail air a sgaoileadh thairis air mìltean de dh’ innealan TinyML, gun sruth dàta sam bith a’ tilleadh don sgòth, bidh dì-bhugachadh a’ fàs duilich agus dh’ fhaodadh gum bi feum air dòigh eile.
- Cuingeachaidhean cuimhne - traidiseanta Feumaidh àrd-ùrlaran, leithid fònaichean sgairteil agus coimpiutairean-uchd, gigabytes de RAM, ach bidh innealan TinyML a’ cleachdadh kilobytes no megabytes. Mar thoradh air an sin, tha meud a 'mhodail a dh' fhaodadh a bhith air a chleachdadh cuingealaichte.
- Trèanadh modail - Ged tha grunn bhuannachdan ann a bhith a’ cleachdadh mhodalan ML air innealan TinyML, tha a’ mhòr-chuid de mhodalan ML fhathast air an trèanadh air an sgòth gus ath-aithris agus leasachadh leantainneach a dhèanamh air cruinneas modail.
Ri
Tha comas mòr aig TinyML, le a lorg-coise beag, caitheamh bataraidh ìosal, agus dìth no beagan earbsa air ceangal eadar-lìn, san àm ri teachd, mar a’ mhòr-chuid de luchd-cleachdaidh cumhang. Artificial Intelligence thèid a chuir an gnìomh air innealan iomaill no innealan freumhaichte neo-eisimeileach.
Nì e tagraidhean IoT nas prìobhaideach agus nas tèarainte le bhith gan cleachdadh. Ge-tà TensorFlow Is e Lite an-dràsta an aon fhrèam ionnsachaidh inneal airson microcontrollers agus microcomputers, tha frèaman coimeasach eile leithid sensor agus CMSIS-NN aig ARM san obair.
Ged a tha TensorFlow Lite na phròiseact le còd fosgailte a tha a’ dol air adhart a thòisich fìor mhath le Sgioba Google, tha e fhathast feumach air taic coimhearsnachd gus faighinn a-steach don phrìomh shruth.
Co-dhùnadh
Is e dòigh-obrach ùr a th’ ann an TinyML a tha a’ cothlamadh shiostaman freumhaichte le ionnsachadh innealan. Mar a bhios an AI cumhang aig àirde ann an iomadh raon dìreach agus raon, faodaidh an teicneòlas nochdadh mar fho-raon follaiseach ann an ionnsachadh innealan agus inntleachd fuadain.
Tha e a’ toirt seachad fuasgladh do dh’iomadh dùbhlan a tha fa chomhair na roinne IoT agus proifeiseantaich a tha a’ cleachdadh ionnsachadh innealan ann an iomadh cuspair a tha sònraichte don raon.
Bun-bheachd a bhith a’ cleachdadh ionnsachadh inneal aig innealan iomaill le coimpiutaireachd beag tha comas aig lorg-coise agus caitheamh cumhachd cruth-atharrachadh mòr a thoirt air mar a tha siostaman freumhaichte agus innealan-fuadain air an togail.
Leave a Reply