0
Microsoft heeft de Embedded Learning Bibliotheek, en biedt ontwikkelaars een pre-opgeleid image recognition model voor de Raspberry Pi en andere ontwikkelaar planken.
Het begin van de preview van de ‘Embedded Learning Bibliotheek (ELL), nu beschikbaar op GitHub, is een onderdeel van Microsoft’ s poging om de miniaturisering van de machine-learning software voor een scala van zeer lage-energie-chips op apparaten die niet zijn aangesloten op de cloud.
Als het bedrijf legt in een blogpost, een team op het Microsoft Research lab werkt op het comprimeren van de machine learning modellen om te werken op de Cortex-M0, een ARM-processor, die niet groter is dan breadcrumb.
Het doel is om te duwen machine learning aan apparaten die niet zijn aangesloten op het internet, zoals hersenen implantaten. De nieuwe Microsoft-art-functie voor de Pix iPhone foto-app maakt gebruik van AI op het apparaat, maar het plan is om het op een veel minder krachtige chips, zoals een brein implantaten, die nodig zou kunnen hebben om te werken zonder een netwerkverbinding.
Het huidige compressie inspanningen hebben geresulteerd in de machine-leren-modellen 10 tot 100 keer kleiner, maar om het te laten draaien op een Cortex M0, de modellen moeten worden 1.000 tot 10.000 keer kleiner.
Vandaag, echter, ELL is beschikbaar voor de relatief krachtige en grote Raspberry Pi, Arduinos, BBC micro:bit en andere microcontrollers.
ELL voor deze apparaten is gebaseerd op gecomprimeerde machine learning modellen die werden opgeleid voor de cloud, terwijl zijn werk op Cortex-M0 opleiding algoritmen die zijn afgestemd voor specifieke scenario ‘ s.
De kleinste apparaat de onderzoekers hebben getest is de single-board-computer, Arduino Uno, die heeft 2 kilobytes RAM.
Ofer Dekel, een van de belangrijkste onderzoek op het Microsoft-Onderzoek ‘Machine Learning’ en Optimalisatie van de groep getraind computer vision model om te gaan met een eekhoorn probleem in zijn tuin. Dekel geïmplementeerd in het model op een Raspberry Pi 3 aangesloten met een webcam, die schakelaars op de sprinkler systeem bij het detecteren van een eekhoorn.
Hij bood instructies op GitHub voor de makers aan de slag met een soortgelijk systeem, die herkent objecten en afdrukken van een etiket beschrijft wat het is.
0