ML モデルを実行するために設計された LiteRT for Microcontrollers わずか数キロバイトのメモリしか持たないマイクロコントローラなどのデバイス上で 実行されています「 コアランタイムは Arm Cortex M3 で 16 KB に収まり、多くの基本的な実行が可能 構築できますオペレーティング システムのサポート、標準の C または C++ 言語は 動的メモリ割り当てです
マイクロコントローラが重要な理由
マイクロコントローラは通常、小型で低消費電力のコンピューティング デバイスで、 基本的な計算を必要とするハードウェアに組み込まれたシステムです。マシンを 超小型マイクロコントローラまで学習することで、 数十億台のコンピュータのインテリジェンスを 家庭用電化製品やインターネット デバイスなど、私たちが日常的に使用するデバイス 高価なハードウェアや信頼性の高いインターネットに頼らずに Things デバイス 帯域幅と電力の制約により制約を受けることも珍しくありません。 レイテンシが高くなりますまた、これによりデータが一切含まれないため、プライバシーの デバイス外に持ち出されます。日々の生活に適応できるスマート家電を 一般的な産業用インテリジェント センサーは、 さまざまな問題や通常の動作、子供たちが楽しく学べる魔法のおもちゃ 楽しみながら学習を進めていきます。
対応プラットフォーム
LiteRT for Microcontrollers は C++ 17 で記述されており、32 ビット できます。Google の AI に基づく多くのプロセッサで幅広くテストされ、 Arm Cortex-M シリーズ 他のアーキテクチャに移植されており、 ESP32。「 フレームワークを Arduino ライブラリとして利用できます。また、組織、フォルダ、 開発環境です。これはオープンソースであり 使用できます。
次の開発ボードがサポートされています。
- Arduino Nano 33 BLE Sense
- SparkFun Edge
- STM32F746 ディスカバリ キット
- Adafruit EdgeBadge
- Adafruit LiteRT for Microcontrollers Kit
- Adafruit Circuit Playground Bluefruit
- Espressif ESP32-DevKitC
- Espressif ESP-EYE
- Wio ターミナル: ATSAMD51
- Himax WE-I Plus EVB エンドポイント AI 開発ボード
- Synopsys DesignWare ARC EM ソフトウェア開発プラットフォーム
- Sony Spresense
例を見る
各サンプル アプリケーションは、
GitHub
サポートされている環境にデプロイする方法を説明する README.md
ファイルがあります。
説明します。一部の例には、特定のトピックを使用したエンドツーエンドのチュートリアルが
次のとおりです。
- Hello World - 以下で LiteRT を使用する場合の絶対的な基本事項を説明します。 マイクロコントローラー <ph type="x-smartling-placeholder">
- マイクロスピーチ - マイクを使って音声をキャプチャし、「はい」という単語を検出しますと「no」 <ph type="x-smartling-placeholder">
- 人感センサー - イメージ センサーでカメラデータをキャプチャして、存在の有無を検出します 人物
ワークフロー
TensorFlow モデルを Compute Engine インスタンスにデプロイして実行するには、 マイクロコントローラー:
- モデルをトレーニングする:
<ph type="x-smartling-placeholder">
- </ph>
- ターゲット デバイスに適合する小規模な TensorFlow モデルを生成し、 サポートされているオペレーションが含まれています。
- LiteRT モデルに変換するには、 LiteRT コンバータ。
- 次を使用して C バイト配列に変換する 標準ツールを使用して デバイス上の読み取り専用のプログラム メモリです。
- C++ ライブラリを使用してデバイスで推論を実行し、 表示されます。
制限事項
LiteRT for Microcontrollers は、 マイクロコントローラの開発に 専念できますより高性能なデバイス( たとえば、Raspberry Pi などの組み込み Linux デバイスの場合、標準の LiteRT フレームワークは統合しやすい場合があります。
次の制限事項を考慮する必要があります。
- 限定されたサブセットをサポート TensorFlow のオペレーション
- 一部のデバイスのみサポート
- 手動でのメモリ管理を必要とする低レベルの C++ API
- オンデバイス トレーニングはサポートされていません
次のステップ
- マイクロコントローラを使ってみるで、 API の使用方法を確認できます。
- C++ ライブラリを理解して、 独自のプロジェクトを作成できます
- モデルを構築して変換する: トレーニングの詳細を確認します。 マイクロコントローラにデプロイするための変換です