面向微控制器级硬件的机器学习：综述

机器学习的进展为将智能引入微控制器等低端物联网节点带来了新机遇。传统的机器学习部署具有较高内存与计算占用，阻碍了其直接在极度资源受限的微控制器上部署。本文强调了使微控制器级设备支持板载机器学习的独特需求。研究人员采用专门的模型开发工作流用于资源受限应用，以确保计算和延迟预算处于设备限制内，同时维持所需性能。我们刻画了微控制器级设备机器学习模型开发的闭环广泛适用工作流，并展示若干类应用采用了其特定实例。通过展示若干用例，我们对模型开发的不同阶段给出了定性与数值层面的见解。最后，我们指出了亟待审慎考量的开放研究挑战与未解问题。