TinyML平台基准测试
机器学习
2021-12-03 v1 神经与进化计算
摘要
面向机器学习(ML)的最先进超低功耗嵌入式设备近期取得的进展，催生了一类新产品，其关键特性是在功耗低于1 mW的微控制器上实现ML能力(TinyML)。TinyML通过在低功耗嵌入式设备上于边缘聚合与分析数据，提供了独特的解决方案。然而，我们仅在近期才得以在微控制器上运行ML，该领域仍处于起步阶段，这意味着硬件、软件与研究正极其迅速地变化。因此，已为不同平台开发了许多TinyML框架，以 facilitat ML模型部署并标准化流程。故此，本文聚焦于对两个流行框架进行基准测试：Arduino Nano BLE上的Tensorflow Lite Micro (TFLM) 与 STM32-NucleoF401RE上的CUBE AI，以为特定应用提供标准化的框架选择准则。
引用
@article{arxiv.2112.01319,
title = {TinyML Platforms Benchmarking},
author = {Anas Osman and Usman Abid and Luca Gemma and Matteo Perotto and Davide Brunelli},
journal= {arXiv preprint arXiv:2112.01319},
year = {2021}
}