首页
/ 推荐文章:开启嵌入式设备的深度学习新纪元:MLPerf Tiny

推荐文章:开启嵌入式设备的深度学习新纪元:MLPerf Tiny

2024-05-21 02:04:11作者:庞眉杨Will

推荐文章:开启嵌入式设备的深度学习新纪元:MLPerf Tiny

1、项目介绍

MLPerf™ Tiny 是一个专为微型设备设计的深度学习基准测试平台,旨在提供一套代表性的深度神经网络模型和配套基准代码,用于比较嵌入式设备间的性能。这些设备涵盖微控制器、数字信号处理器以及小型神经网络加速器,工作频率通常在10MHz到250MHz之间,功耗低于50mW。通过MLPerf Tiny,硬件制造商和研究人员能够为特定应用选择最佳的硬件解决方案,同时也为软硬件供应商提供了展示其产品优势的舞台。

2、项目技术分析

该项目基于TensorFlow Lite for Microcontrollers (TFLM) 提供参考基准,但提交者可根据自身硬件需求选择最适合的软件栈。这一灵活的架构允许开发者充分利用硬件潜力,优化性能。MLPerf Tiny 提供了不断更新的版本,每个版本都经过精心设计和测试,确保了公正性和代表性。

3、项目及技术应用场景

MLPerf Tiny 的应用场景广泛,包括但不限于:

  • 物联网(IoT)设备上的实时智能决策
  • 边缘计算中的高效数据处理
  • 嵌入式安全系统中的目标检测与识别
  • 智能穿戴设备的人工智能功能实现
  • 低功耗设备的语音和图像识别

4、项目特点

  • 全面性:涵盖多种深度学习模型,满足不同应用需求。
  • 可比性:统一的基准测试代码,确保跨设备性能评估的公平性。
  • 灵活性:支持使用TFLM或自定义软件栈,适应不同硬件环境。
  • 持续更新:定期发布新版本,保持与技术发展同步。
  • 社区驱动:开放源代码,并设有交流平台,鼓励开发者参与讨论和贡献。

为了获取最新的v1.1版本,以及了解即将到来的提交截止日期和结果公布时间,请关注项目仓库。学术研究中若引用MLPerf Tiny,请引用相关文献,为这个充满活力的社区贡献力量。

加入https://groups.google.com/a/mlcommons.org/g/tiny,与全球开发者一起探索嵌入式设备深度学习的无限可能吧!

注:本文为翻译和概述,原文以英文为主,可在项目GitHub仓库查看。
登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
494
37
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
323
10
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
191
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
991
395
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
277
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
937
554
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70