在 Bela 嵌入式硬件平台上录制数据集与运行神经网络的流水线
声音
2023-06-21 v1 音频与语音处理
摘要
在嵌入式设备上部署深度学习模型是一项艰巨的任务：通常不存在特定平台的指令，并且由于设备上可用的计算资源有限，编译时间可能相当长。此外，许多音乐制作应用需要实时推理。用于音频的嵌入式硬件平台（如 Bela）为初学者提供了进入物理音频计算的切入点；然而，部署嵌入式深度学习模型对交叉编译环境和底层软件开发工具的需求，给非专业用户设置了很高的准入门槛。我们提出了一条在 Bela 嵌入式硬件平台上部署神经网络的流水线。在我们的流水线中，我们包含了一个用于录制多通道传感器信号数据集的工具。此外，我们提供了一个 Docker 化的交叉编译环境以加快编译速度。借助这条流水线，我们旨在为程序员和创客提供一个模板，以便为实时嵌入式音乐应用进行神经网络的原型设计与实验。
引用
@article{arxiv.2306.11389,
title = {Pipeline for recording datasets and running neural networks on the Bela embedded hardware platform},
author = {Teresa Pelinski and Rodrigo Diaz and Adán L. Benito Temprano and Andrew McPherson},
journal= {arXiv preprint arXiv:2306.11389},
year = {2023}
}