機(jī)器學(xué)習(xí)已經(jīng)成為一個重要的技術(shù)驅(qū)動力，在從汽車和工業(yè)控制到物聯(lián)網(wǎng)和空間系統(tǒng)技術(shù)，機(jī)器學(xué)習(xí)已經(jīng)在多個行業(yè)中取得了成果和創(chuàng)新。多數(shù)機(jī)器學(xué)習(xí)專注于具有后端服務(wù)器或應(yīng)用處理器中的高端、計算量大的應(yīng)用程序。盡管如此，將機(jī)器學(xué)習(xí)算法部署到微控制器的需求越來越大。

　　基于微控制器的機(jī)器學(xué)習(xí)用例

　　機(jī)器學(xué)習(xí)是否能應(yīng)用于微控制器，取決于具體應(yīng)用。例如，如果想要將自適應(yīng) ML 算法部署到微控制器，則超出了其處理能力。但是，對于基于微控制器的系統(tǒng)，有幾個機(jī)器學(xué)習(xí)用例非常有趣，而且應(yīng)用數(shù)量在不斷增長。

　　一個有趣的用例是關(guān)鍵字發(fā)現(xiàn)。語音正在成為一種高效的用戶接口，而微控制器可以提供實現(xiàn)。例如，低功耗微控制器可以運(yùn)行機(jī)器學(xué)習(xí)推理來監(jiān)視單個關(guān)鍵字。檢測到關(guān)鍵字后，微控制器可以喚醒一個應(yīng)用處理器，該處理器可以管理其他關(guān)鍵字和主應(yīng)用程序。

　　另一個應(yīng)用是預(yù)測性維護(hù)。當(dāng)在許多工業(yè)和家庭應(yīng)用中使用的機(jī)器出現(xiàn)故障時，維修可能會非常昂貴且不方便。在許多情況下，機(jī)器不會突然壞掉。相反，根據(jù)可檢測的數(shù)據(jù)點(diǎn)（如振動、氣流等），性能的輕微下降表明設(shè)備可能存在問題。簡單的機(jī)器學(xué)習(xí)模型可以檢測正常行為，并在系統(tǒng)需要維護(hù)時提醒用戶。提前維護(hù)而非停機(jī)可以節(jié)省資金、減少麻煩。

　　微控制器的機(jī)器學(xué)習(xí)技術(shù)

　　一旦確定了機(jī)器學(xué)習(xí)用例，我們需要使用合適的工具和技術(shù)來構(gòu)建它。在微控制器領(lǐng)域，幫助開發(fā)人員實現(xiàn)機(jī)器學(xué)習(xí)工作的工具正在迅速增長。

　　開發(fā)人員可以利用多種工具為其應(yīng)用程序訓(xùn)練機(jī)器學(xué)習(xí)模型。Tensorflow Lite for Microcontrollers 在微控制器和只有幾千字節(jié)內(nèi)存的設(shè)備上運(yùn)行機(jī)器學(xué)習(xí)模型。其基本運(yùn)行庫在Arm Cortex M3上占用16 KB，并且可以運(yùn)行許多基本模型。它不需要操作系統(tǒng)、標(biāo)準(zhǔn) C 或 C++ 庫或動態(tài)內(nèi)存分配。

　　根據(jù)選擇的微控制器，開發(fā)人員還有利用相應(yīng)微控制器的生態(tài)系統(tǒng)。例如，ST的X-CUBE-AI 插件允許開發(fā)人員導(dǎo)入機(jī)器學(xué)習(xí)模型、對其進(jìn)行分析并優(yōu)化以在微控制器上運(yùn)行。

　　邊緣構(gòu)建低功耗 AI/IoT 的工具SensiML，支持?jǐn)?shù)據(jù)集、模型管道版本控制和多會話數(shù)據(jù)集標(biāo)注。SensiML允許幾乎沒有ML經(jīng)驗的軟件開發(fā)人員訓(xùn)練機(jī)器學(xué)習(xí)模型并將其部署到微控制器。生成的模型會自動轉(zhuǎn)換為代碼，直接在目標(biāo)設(shè)備上執(zhí)行實時推理。使智能應(yīng)用運(yùn)行得更快，需要更少的網(wǎng)絡(luò)性能，更加安全。

　　是否可以在微控制器端實現(xiàn)機(jī)器學(xué)習(xí)應(yīng)用取決于最終用例。一些工具如SensiML可以支持微控制器的機(jī)器學(xué)習(xí)。將機(jī)器學(xué)習(xí)模型部署到微控制器時，可能需要在運(yùn)行庫的內(nèi)存占用及模型的準(zhǔn)確性中做出權(quán)衡。

更多信息可以來這里獲取==>>電子技術(shù)應(yīng)用-AET<<