机器学习更接近你身边的微控制器

机器学习(ML)是人工智能(AI)的一个分支,多年来一直在电子系统中应用。但是,直到现在,实施ML所需的处理能力大部分都被限制在基于云计算的活动中。然而,这种情况即将发生变化,随着新一代微控制器在内核中集成ML功能,ML将进一步扩展。
机器学习基本上是使用一种算法来制定系统对输入数据的期望输出响应,而开发人员不需要定义中间的处理。机器学习不是通过编写过程程序来告诉系统如何处理输入数据,而是根据输入和一些成功标准,由系统确定自己的过程。目前,ML的关键方法是人工神经网络(ANN),并且有许多用于创建ML设计的实现(称为框架),例如Tensorflow,Caffe和Android NN。
存在许多功能性ML系统,尽管它们目前是基于云的。Alexa语音识别服务就是一个明显的例子。它开始具有通用性,但随着时间的推移,它能够学习单独的语音和语音模式,从而以不同的方式响应不同的用户。还有ML系统可以根据您的兴趣和互联网互动中的购物历史记录,选择在您的浏览器上展示哪些广告。工业ML系统正在确定如何根据所收到的系统数据来优化控制复杂的化学制造过程或预测设备维护需求。
但云不再是一项要求。微控制器供应商开始开发能够将机器学习带入边缘的芯片, 而无需与大量处理器建立网络连接。这些本地处理器将能够自行处理任务。

机Learning_Pixabay
图片来源:Pixabay。
在CES2018上可以看到ML的边缘种子。CEVA基于其CEVA深度神经网络软件展示了它的NeuPro低功率ML处理器IP。同样,莱迪思半导体公司正基于其FPGA技术为AI提供参考设计。ARM谈到了其专注于支持ML处理器产品的产品开发的新技术团队。展会上很明显,ML即将推出临近你的微控制器。
最近,ARM放弃了另一只鞋,并宣布它正在提供专门用于ML应用的新处理器架构。代号为Project Trillium的项目产生了两种新的处理器类型:ML处理器和对象检测处理器。对象检测处理器是第二代设计,用于识别60 Hz高清视频图像流中的人员和其他对象。ML处理器是针对众多ML框架中常见的工作流程活动而优化的全新设计。例如,可以将这两者一起用于在合影照片中执行面部识别。物体检测处理器将识别所有面部并将面部专用数据发送给ML处理器用于分类和个体识别。
但是,这个公告的关键影响在于ML处理器。这种设计的IP将在年中提供给ARM许可证持有者,这意味着到2020年(如果不是更早),开发人员应该为他们的系统设计提供ML处理器。这些处理器能够在tera-OPS范围内实现性能,这将使他们能够在本地执行大量ML任务,而无需网络支持。与当今基于云的系统相比,这可以极大地减少此类任务的带宽需求和延迟。
ARM并不是唯一一个追求ML边缘的人。上面提到的CEVA NeuPro是IP,也可以用于基于边缘的ML。此外,还有一些初创公司仍处于隐身模式,但很快就会宣布他们的技术,这些创业公司正在创造具有适合将ML带到电池供电的物联网设备的性能和功率属性的ML处理器。
所以机器学习和人工智能即将涌入云端,涌入大量新应用。嵌入式系统开发人员将很好地开始学习曾经是一个深奥的计算机科学,并开始思考如何将这些功能用于其应用领域。正如可编程微处理器的出现改变了数字电子设计一样,ML处理器也准备开始成为嵌入式系统设计人员的必备工具。

用户喜欢...

S32V234适用于ADAS、NCAP前视摄像头、异物检测和识别、环视、机器学习和传感器融合应用

概述 S32V234是我们的第二代视觉处理器系列,旨在支持图像处理的计算密集型应用,并提供了一个ISP、强大的3D GPU、双APEX-2视觉加速器和安全性,以及支持SafeAssure。S32V234适用于ADAS、NCAP前视摄...


物联网三阶段演进 市场、安全、人力与并购均有影响

物联网演进可分为三个阶段,一、串连各系统;二、智能互连的对象不仅将终端设备连网,更让设备之间彼此相连,...


无人驾驶车离现实还有多远?

无人驾驶技术需要达到99.9999999999%的准确度才可能达到真正普及的条件,这似乎是一段不算短的路。...


主流机器学习算法简介与其优缺点分析

机器学习算法的分类是棘手的,有几种合理的分类,他们可以分为生成/识别,参数/非参数,监督/无监督等。 例如,Scikit-Learn的文档页面通过学习机制对算法进行分组。这产生类别如:1,广...


机器学习中如何选择分类器

在机器学习中,分类器作用是在标记好类别的训练数据基础上判断一个新的观察样本所属的类别。分类器依据学习的方式可以分为非监督学习和监督学习。 非监督学习顾名思义指的是给予分...


盘点·GitHub最著名的20个Python机器学习项目

开源是技术创新和快速发展的核心。这篇文章向你展示Python机器学习开源项目以及在分析过程中发现的非常有趣的见解和趋势。 我们分析了GitHub上的前20名Python机器学习项目,发现scikit-Lear...


机器学习方法:从线性模型到神经网络

发现模式 一个模型实际上都是一个从输入到输出的函数,我们希望用这些模型发现数据中的模式,发现数据中存在的函数依赖,当然前提是数据中本身就存在这样的函数依赖。数据集有很多...


物联网、人工智能时代来临 五大隐忧不可不提防

随物联网/人工智能时代来临,“弱人工智能”已先渗入人类生活,各界不得不更早审视所有可能影响人工智能范畴,...


IBM拿出新型Power9处理器 针对AI和机器学习而开发

目前全球需要越来越大的计算能力来处理像人工智能和机器学习这样的资源密集型工作负载,IBM公司以其最新一代Power芯片 - Power9进入了竞争。该公司打算向第三方制造商和包括Google在内的云...


在机器学习的应用上,软件工程师和FPGA真的有着难以逾越的鸿沟吗?

人工智能和机器学习正在渗透所有的行业。随着人工智能算法的成熟,支持这些算法的硬件平台也日趋成熟。目前,这些硬件平台包括 ASIC,CPU,GPU以及 FPGA 。在 Plunify,尽管我们的强项是F...


成为一名机器学习算法工程师,需要具备哪些技能?

成为一名合格的开发工程师不是一件简单的事情,需要掌握从开发到调试到优化等一系列能力,这些能力中的每一项掌握起来都需要足够的努力和经验。而要成为一名合格的机器学习算法工程...


黑客攻击锁定:数字勒索、物联网漏洞、机器学习、区块链

黑客攻击现时亦已变得更为依赖大数据以及 AI 等技术,在可见的将来,黑客的攻击将愈来愈厉害,企业所面对的安全...


物联网预测性维护让制造业降低营运成本

机器故障让制造业付出巨额成本,所幸现在的传感器与机器学习等新技术,可以做到提前预测,进而减少停机时间。...


第四次工业革命 10大成功守则

第四次工业革命正如海啸般地席卷全球,未来的竞争,将不会是大鱼吃小鱼,而是快鱼吃慢鱼的新世界。...


机器学习必知的15大框架

摘要: 不管你是一个研究人员,还是开发者,亦或是管理者,想要使用机器学习,需要使用正确的工具来实现。本文介绍了当前最流行15个机器学习框架。 机器学习工程师是开发产品和构建...


机器学习算法选用指南

在从事数据科学工作的时候,经常会遇到为具体问题选择最合适算法的问题。虽然有很多有关机器学习算法的文章详细介绍了相关的算法,但要做出最合适的选择依然非常困难。 在这篇文章...