开讲啦！推出TinyML免费课程，引领边缘AI浪潮

哈佛大学的 Vijay Janapa Reddi 教授、TensorFlow Lite Micro 团队和 edX (https://www.edx.org/) 在线学习平台将在今年秋天分享一套 TinyML 课程&＃xff0c;您可以免费观看这些课程&＃xff0c;或者报名参加课程以获取证书。在本文中&＃xff0c;我将带您了解什么是 TinyML、TinyML 的用途以及我们即将启动的 HarvardX 计划。

• TinyML 课程&＃xff08;或点击阅读原文&＃xff09;
  https://www.edx.org/harvard-tiny-ml

TinyML 简介

TinyML 是深度学习行业发展最为迅速的领域之一。简而言之&＃xff0c;这是一个新兴的研究领域&＃xff0c;致力于探索可在小型低功耗设备&＃xff08;例如微控制器&＃xff09;上运行的模型类型。

TinyML 与嵌入式 ML 的应用、算法、硬件和软件都有交集。TinyML 的目标通常是支持由电池供电的边缘设备&＃xff0c;实现设备端的低功耗&＃xff08;几毫瓦&＃xff09;低延迟推理。与之对比&＃xff0c;台式机 CPU 的耗电量在 100 瓦左右&＃xff0c;是边缘设备的数千倍&＃xff01;功耗的大幅降低使得 TinyML 设备在与电源断开连接后&＃xff0c;仍可继续依靠电池工作&＃xff0c;并可维持数周、数月甚至数年的持续运转。取得这一成绩的同时&＃xff0c;边缘或端点还在不间断运行 ML 应用。

TinyML 驱动的简单的语音识别器。了解如何动手构建

尽管我们大多数人不熟悉 TinyML&＃xff0c;但您可能会惊讶地发现&＃xff0c;TinyML 其实已在投入生产的 ML 系统中存在多年。当您说“OK Google”唤醒 Android 设备时&＃xff0c;便已体验到 TinyML 带来的益处。这项技术由始终开启的低功耗关键字搜寻器提供动力&＃xff0c;其原理与您可以在此处学习构建的搜寻器并没有什么不同。

而两者之间的区别是&＃xff0c;越来越多的人能够接触、学习 TinyML&＃xff0c;这要部分归功于 TensorFlow Lite Micro 和即将推出的 HarvardX 课程等教育资源的普及。

TinyML 可为嵌入式 ML 开发者解锁许多新应用&＃xff0c;特别是将其与加速度计、麦克风和摄像头等传感器结合使用时。其已在多个领域应用并取得了丰富的成果&＃xff0c;例如野生动物追踪与保护、农作物病害检测&＃xff0c;以及预测野火等等。

TinyML 也可以很有趣&＃xff01;您可以使用 TinyML 开发智能游戏控制器&＃xff08;例如使用基于神经网络的运动控制器来控制霸王龙&＃xff09;或开发各种其他游戏。想象一下&＃xff0c;通过使用与 TinyML 相同的 ML 原理和技术&＃xff0c;我们可以在汽车中收集加速器数据&＃xff0c;用于检测各种情况&＃xff08;例如轮胎松动&＃xff09;并提醒驾驶员。

使用 TensorFlow Lite 微控制器控制 Chrome 中的霸王龙

• 霸王龙
  https://www.freecodecamp.org/news/how-to-play-the-no-internet-google-chrome-dinosaur-game-both-online-and-offline/

除了了解如何将 TinyML 用于娱乐和游戏&＃xff0c;在开发任何 ML 应用时&＃xff0c;您都有必要熟悉负责任的 AI&＃xff0c;尤其是在处理传感器数据时。由于 TinyML 完全可以在边缘设备上进行推理&＃xff08;数据无需离开设备&＃xff09;&＃xff0c;因此其能支持各种私有 ML 应用。事实上&＃xff0c;许多微型设备甚至根本没有联网。

课程的详情

HarvardX 课程旨在让更多开发者能够获取相关知识。您将了解什么是 TinyML、它的主要用途是什么以及如何开始上手。

这些课程将首先讲解 ML 基础知识&＃xff0c;包括如何收集数据、如何训练基本模型&＃xff08;如&＃xff1a;线性回归&＃xff09;等等。接下来会介绍深度学习基础知识&＃xff08;如&＃xff1a;MNIST&＃xff09;&＃xff0c;然后介绍适用于计算机视觉的 Tiny ML 模型&＃xff0c;以及如何使用 TensorFlow Lite 微控制器 进行部署。在这些课程的整个授课过程中&＃xff0c;我们会穿插介绍一些案例研究、重要论文以及重要应用。

• TensorFlow Lite 微控制器
  http://tensorflow.google.cn/lite

在其中一个课程工作流中&＃xff0c;您将像往常一样在 Colab 中使用 Python 构建 TensorFlow 模型&＃xff0c;然后将其转换成相应的 C 语言版本&＃xff0c;以便在微控制器上运行。课程将展示如何针对资源严重受限的设备&＃xff08;例如存储空间不足 100 KB 的设备&＃xff09;优化 ML 模型&＃xff0c;还将介绍各种与将 TinyML 部署到“实际中”的挑战相关的案例研究。

• Colab
  https://colab.research.google.com/

• 构建 TensorFlow 模型
  https://tensorflow.google.cn/tutorials

把 TinyML 带回家

我们很高兴与 Arduino 和 HarvardX 开展紧密合作&＃xff0c;成功推出此种体验。

Arduino 专门为此课程准备了一套 TinyML 开发套件

edX 学员可以选择购买 Arduino 提供的现成 TinyML 开发套件。开发套件中包括一个 Arm Cortex-M4 微控制器、多个板载传感器、一枚摄像头和一块带有连接线的面包板。这些是解锁 TinyML 应用&＃xff08;如图像&＃xff0c;声音和手势检测&＃xff09;所需用到的一切。借助它&＃xff0c;学员将有机会创建自己的 TinyML 小世界。

我们也将陆续在 TensorFlow 公众号(TensorFlow_official) 上介绍课程中优秀的学生项目。

期待看到您的作品&＃xff01;

• 投稿
  TensorFlow 微信公众号【菜单栏】→【近期活动】→【投稿戳我】
  

— 推荐阅读 —

点击“阅读原文”立即注册课程。