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...

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...


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...


前途光明的机器学习将走向何方?这里有 5 个关于它的未来预测

机器学习目前是 IT 领域最热门的话题之一,这是因为它在看似无限的应用场景中都能发挥自身的作用。从检测欺诈网站到自动驾驶汽车,再到识别你的“金牌会员”身份以进行价格预测等等...


机器学习作用于信息安全的五大顶级案例

通俗讲,机器学习就是“(计算机)无需显式编程即可学习的能力”。跨海量数据集应用数学技术,机器学习算法可建立起行为模型,并基于新输入的数据,用这些模型做出对未来的预测。视...


如何成为一名机器学习算法工程师?

如何成为一名机器学习算法工程师 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...


人工智能和机器学习有什么区别?

人工智能(AI)和机器学习(ML)现在是两个非常热门的流行语,通常似乎可以互换使用。 但这二者并不完全一样,但是有时会导致人们的看法有一些混乱,因此需要解释这二者之间的区别。...


机器学习工具:Python 和 Numpy入门

写在前头 我们一般都是从C语言开始学起的,后来发现C语言不能满足我们快速开发的需求,因为它的API使用起来不很方便,还有就是有些功能亟待扩展,这时候我们很多人选择了C++或Java,C...


如何向普通人解释机器学习、数据挖掘

随着数据科学在人工智能发展中大放异彩,数据挖掘、机器学习进入了越来越多人的视野。而对于很多人来说,诸如机器学习之类的名次听起来是神乎其技,但其真正的内涵却不为一般人所知...


对于机器学习,到底该选择哪种编程语言?

开发者到底应该学习哪种编程语言才能获得机器学习或数据科学这类工作呢?这是一个非常重要的问题。我们在许多论坛上都有讨论过。现在,我可以提供我自己的答案并解释原因,但我们先...


大规模机器学习框架的四重境界

自从google发表著名的GFS、MapReduce、BigTable三篇paper以后,互联网正式迎来了大数据时代。大数据的显著特点是大,哪里都大的大。本篇主要针对volume大的数据时,使用机器学习来进行数据处理...


一文读懂深度学习与机器学习的差异

如果你经常想让自己弄清楚机器学习和深度学习的区别,阅读该文章,我将用通俗易懂的语言为你介绍他们之间的差别。 机器学习和深度学习变得越来越火。突然之间,不管是了解的还是不...


有关机器学习每个人都应该了解的东西

摘要:本文科普了机器学习方面的知识,简单介绍了机器学习可以做什么,以及如何做的。以下是译文。 在过去的几个月中,我与很多的决策者交流了有关人工智能特别是机器学习方面的问...


机器学习新手工程师常犯的6大错误

理所当然地使用默认损失函数 在刚入门的时候,均方误差作为损失函数是很好的默认选择。但是当需要处理现实问题的时候,这种未经专门设计的损失函数很少能给出最优解。 拿欺诈检测为...


大话人工智能:机器学习的优与劣

从 20 世纪 60 年代开始,人们就在期待像哈尔(HAL)这样的科幻级别的 AI,然而直到最近,PC 和机器人还是非常愚笨。现在,科技巨头和创业公司宣告了 AI 革命的到来:无人驾驶汽车、机器人...


解析阻止机器学习的十种网络攻击

即使是瑟曦.兰尼斯特的阴谋诡计或者乔拉.莫尔蒙爵士父亲般的保护(译注:两者都是HBO剧集《权力的游戏》中的人物)也无法阻止攻击者攻破HBO的网络并窃取了1.5TB的数据(包括未播出的《...


机器学习算法工程师必须掌握的七大技能

话实说,目前大部分人上各种班来学习机器学习,学习大数据,归根到底还是希望能找到一个好的工作,拿到更高的薪水,当然还有一部分原因是自己对这一方面比较感兴趣,希望更深入的了...