ZT： 微控製器和超低功耗加速器專用的 MLPerf: TinyML

對於MLPerf 感興趣的網友，這個文章有點意思：

（MLPerf 是衡量一個CPU 的人工智能處理能力的一把尺子）

MLPerf 變得很小

作者：林利·格溫納普

 

MLCommons 繼續修訂和擴展其 AI 基準測試，現在提供專門為微控製器和超低功耗加速器設計的集合。這些簡單的模型消耗不到 512KB，通常適合片上存儲器。然而，一小部分初始提交強調了 TinyML 運動的一個局限性：大多數微控製器 CPU 對於 AI 並不是特別有效。

 

MLPerf Tiny 基準測試的初始版本，指定版本 0.5，包括四個測試，所有測試都代表低成本芯片經常處理的基本任務。一種是檢測關鍵字，智能揚聲器、智能手機和其他聲控設備通常使用關鍵字來表示“Alexa”和“Hey Siri”等喚醒詞。這個 DS-CNN 模型隻需要 53KB。第二個執行視覺等效，檢測一個人是否在圖像中可見；它有助於門鈴攝像頭和占用檢測。 325KB MobileNet 模型在低分辨率 96x96 像素圖像上運行。

 

對於圖像分類，基準測試包括一個隻有 96KB 參數的簡化 ResNet 模型。它使用 CIFAR-10 數據庫將每個 32x32 的微小圖像放入 10 個類別之一。最後的測試檢測音頻流中的異常。它模擬工業設備的監控並采用 270KB FC-AutoEncoder 模型。所有模型都使用 TensorFlow Lite 進行預訓練並量化為 8 位整數 (INT8) 權重。