ZT： 微控制器和超低功耗加速器专用的 MLPerf: TinyML

对于MLPerf 感兴趣的网友，这个文章有点意思：

（MLPerf 是衡量一个CPU 的人工智能处理能力的一把尺子）

MLPerf 变得很小

作者：林利·格温纳普

 

MLCommons 继续修订和扩展其 AI 基准测试，现在提供专门为微控制器和超低功耗加速器设计的集合。这些简单的模型消耗不到 512KB，通常适合片上存储器。然而，一小部分初始提交强调了 TinyML 运动的一个局限性：大多数微控制器 CPU 对于 AI 并不是特别有效。

 

MLPerf Tiny 基准测试的初始版本，指定版本 0.5，包括四个测试，所有测试都代表低成本芯片经常处理的基本任务。一种是检测关键字，智能扬声器、智能手机和其他声控设备通常使用关键字来表示“Alexa”和“Hey Siri”等唤醒词。这个 DS-CNN 模型只需要 53KB。第二个执行视觉等效，检测一个人是否在图像中可见；它有助于门铃摄像头和占用检测。 325KB MobileNet 模型在低分辨率 96x96 像素图像上运行。

 

对于图像分类，基准测试包括一个只有 96KB 参数的简化 ResNet 模型。它使用 CIFAR-10 数据库将每个 32x32 的微小图像放入 10 个类别之一。最后的测试检测音频流中的异常。它模拟工业设备的监控并采用 270KB FC-AutoEncoder 模型。所有模型都使用 TensorFlow Lite 进行预训练并量化为 8 位整数 (INT8) 权重。