基于 MCU 传感器数据流的神经网络实现 TinyD\'ej\`aVu：更小的存储器和更快的推理
地球与行星天体物理
2026-01-12 v1
摘要
嵌入式智能的一个例子是广泛用于无线传感器和执行器上的各种小型神经网络，这些网络预计将持续对其感知的数据时间序列进行推理。为了在电池供电时满足寿命和能耗要求，这类硬件仅基于内存尽可能小的 microcontroller，例如 128 kB 的 RAM。因此，在神经网络层之间优化数据流在推理过程中至关重要。本文引入一种新框架 TinyD\'ej\`aVu 以及我们设计的新算法，大幅降低在典型 microcontroller 硬件上对推理所需 RAM 预算。我们以开源方式发布了 TinyD\'ej\`aVu 的实现，并在常见的 microcontroller 硬件（Arm Cortex-M）上进行可重复的基准测试。我们表明，TinyD\'ej\`aVu 在重叠滑动窗口输入上，比先前工作（StreamiNNC）在相同计算延迟下可节省最高 90% 的 RAM 用量。
关键词
引用
@article{arxiv.2512.09785,
title = {Water versus land on temperate rocky planets},
author = {Claire Marie Guimond and Tilman Spohn and Svetlana Berdyugina and Paul K. Byrne and Nicolas Coltice and Donald M. Glaser and Manasvi Lingam and Charles H. Lineweaver and Peter A. Cawood},
journal= {arXiv preprint arXiv:2512.09785},
year = {2026}
}
备注
71 pages, 7 figures, first revision submitted to Space Science Reviews, topical collection 'The Geoscience of Exoplanets: Going Beyond Habitability'