在網絡邊緣快速高效地實施機器學習

2074373 2022-11-25 | pdf | 256.98KB | 次下載 | 免費

資料介紹

機器學習正在從云端遷移到網絡邊緣以進行實時處理、降低延遲、提高安全性、更有效地利用可用帶寬并降低整體功耗。因此，這些邊緣節點上資源有限的物聯網 (IoT) 設備的開發人員需要弄清楚如何有效地添加這種新級別的智能。機器學習正在從云端遷移到網絡邊緣以進行實時處理、降低延遲、提高安全性、更有效地利用可用帶寬并降低整體功耗。因此，這些邊緣節點上資源有限的物聯網 (IoT) 設備的開發人員需要弄清楚如何有效地添加這種新級別的智能。在邊緣和基于微控制器的系統上使用機器學習為開發人員提供了幾個新的機會來徹底改變他們設計系統的方式。開發人員可以使用多種不同的體系結構和技術來向其邊緣節點添加智能。在本文中，我們將更加熟悉這些架構，以及一些可用于加速該過程的技術。在邊緣和基于微控制器的系統上使用機器學習為開發人員提供了幾個新的機會來徹底改變他們設計系統的方式。開發人員可以使用多種不同的體系結構和技術來向其邊緣節點添加智能。在本文中，我們將更加熟悉這些架構，以及一些可用于加速該過程的技術。機器學習在邊緣的作用機器學習在邊緣的作用出于多種原因，邊緣機器學習對嵌入式系統工程師很有用。首先，智能系統可以解決開發人員通常難以編碼的問題。以簡單的文字識別為例。識別文本是編程的噩夢，但如果使用機器學習，那么，它幾乎就像編寫“Hello World!”一樣簡單。C中的應用出于多種原因，邊緣機器學習對嵌入式系統工程師很有用。首先，智能系統可以解決開發人員通常難以編碼的問題。以簡單的文字識別為例。識別文本是編程的噩夢，但如果使用機器學習，那么，它幾乎就像編寫“Hello World!”一樣簡單。C中的應用其次，智能系統可以輕松擴展以適應新的數據和情況。例如，如果一個系統接受過識別基本文本的訓練，但突然被提供了一種新字體的文本，那么它就不會回到編碼算法的繪圖板上。相反，只需提供額外的訓練圖像，以便網絡也可以學習識別新字體。其次，智能系統可以輕松擴展以適應新的數據和情況。例如，如果一個系統接受過識別基本文本的訓練，但突然被提供了一種新字體的文本，那么它就不會回到編碼算法的繪圖板上。相反，只需提供額外的訓練圖像，以便網絡也可以學習識別新字體。最后，我們還可以了解到，邊緣機器學習為開發人員提供了降低某些類型應用程序成本的能力，例如：最后，我們還可以了解到，邊緣機器學習為開發人員提供了降低某些類型應用程序成本的能力，例如：圖像識別圖像識別語音和音頻處理語音和音頻處理語言處理語言處理機器人技術機器人技術首次檢查邊緣機器學習時，使用應用處理器似乎是一個不錯的選擇。有幾種專為計算機視覺設計的開源工具，包括 OpenCV，可以用來入門。然而，在許多應用程序中使用應用程序處理器可能還不夠，因為這些處理器不具有確定性的實時行為。