TensorFlow Lite Micro
TensorFlow Lite Micro er en maskinlæringsbibliotek til at køre TensorFlow-modeller på mikrocontrollere og andre små embedded-enheder.
Kort fortalt
Kort fortalt: et værktøj, der gør det muligt at køre AI-modeller på små chips som dem i sensorer og IoT-enheder.
- Kategori
- værktøj
- Niveau
- øvet
- Udtale
- /ˈtɛnsərfloʊ laɪt ˈmaɪkroʊ/
Betydninger
1- 1
En optimeret version af TensorFlow Lite designet til at køre maskinlæringsmodeller på mikrocontrollere og andre ekstremt ressourcebegrænsede enheder.
- TensorFlow Lite Micro gør det muligt at køre en stemmegenkendelsesmodel på en Arduino Nano. — TensorFlow dokumentation
- Med TensorFlow Lite Micro kan man bygge en intelligent sensor, der registrerer bevægelser og sender data via Bluetooth. — TensorFlow blog
Hvornår bruges det
TensorFlow Lite Micro bruges primært til at implementere maskinlæring på edge-enheder med meget begrænsede ressourcer, såsom mikrocontrollere med kun få kilobytes hukommelse. Det er ideelt til applikationer som lydgenkendelse, gestusgenkendelse og anomali-detektion i IoT-systemer.
Kodeeksempel
#include "tensorflow/lite/micro/all_ops_resolver.h"
#include "tensorflow/lite/micro/micro_interpreter.h"
#include "tensorflow/lite/schema/schema_generated.h"
// Load model
const tflite::Model* model = tflite::GetModel(g_model);
// Create interpreter
static tflite::MicroInterpreter interpreter(model, resolver, tensor_arena, kTensorArenaSize);
// Invoke
TfLiteStatus invoke_status = interpreter.Invoke();Et minimalt eksempel på initialisering og kørsel af en TensorFlow Lite Micro-model i C++.
Oprindelse
Navnet kombinerer 'TensorFlow' (Googles rammeværk til maskinlæring), 'Lite' (den optimerede mobilversion) og 'Micro' (rettet mod mikrocontrollere).