TinyML

• 最簡單體驗TinyML、TensorFlow Lite——ESP32跑機器學(xué)習(xí)（全代碼）
  

  TinyML是機器學(xué)習(xí)前沿的一個分支，致力于在超低功耗、資源受限的邊緣端（MCU）部署機器學(xué)習(xí)模型，實現(xiàn)邊緣AI，使機器學(xué)習(xí)真正大眾化，使生活真正智能化。簡單來說就是在單片機上跑深度學(xué)習(xí)，很不可思議吧，因為AI在大眾的印象里都是需要大算力、高能耗，TinyML為低功耗AI的普及開了個好頭。

  全棧O-Jay

  1595

  11/21 13:35

  機器學(xué)習(xí) esp32
• 從LLM大模型到SLM小模型再到TinyML,這個領(lǐng)域有望增長31倍并催生新的商業(yè)模式
  

  生成式人工智能GenAI是否存在泡沫？這個問題日益成為業(yè)界熱議的焦點。目前，全球?qū)I基礎(chǔ)設(shè)施的投資已到了癲狂的成千上萬億美元的規(guī)模，然而大模型如何實現(xiàn)盈利卻始終沒有一個明確的答案。

  iot101君

  949

  11/11 09:34

  大模型 生成式AI
• Ceva能否引爆TinyML市場？
  

  嵌入式系統(tǒng)中的TinyML可以通過多種方式實現(xiàn)，通常是利用增強型MCU、DSP、AI加速器和NPU。目前的難題是，如何在TinyML的預(yù)算范圍內(nèi)，以最佳方式開發(fā)具有機器學(xué)習(xí)（ML）功能的嵌入式系統(tǒng)。

  Astroys

  1947

  07/26 09:10

  CEVA TinyML
• 人工智能 | tinyML 部署工作組白皮書
  

  本白皮書以物聯(lián)網(wǎng)部署和MLOps的基本原理為基礎(chǔ)，探討了部署TinyML應(yīng)用所面臨的挑戰(zhàn)和解決方案。如上所述，由于存在共性，開發(fā)人員在很多領(lǐng)域可以使用現(xiàn)有的物聯(lián)網(wǎng)解決方案。然而，在許多其他領(lǐng)域，終端應(yīng)用的TinyML部署需要采取與現(xiàn)有物聯(lián)網(wǎng)部署解決方案截然不同的方法。因此，開發(fā)人員需要了解物聯(lián)網(wǎng)和TinyML設(shè)備、應(yīng)用和環(huán)境之間的主要異同點

  芯知匯

  2683

  01/15 09:40

  物聯(lián)網(wǎng) 人工智能

正在努力加載...