Adafruit将面向微控制器的TensorFlow移植到了Arduino IDE！

作者 | Alasdair Allan

译者 | 弯月，责编 | 屠敏

出品 | CSDN（ID：CSDNnews）

以下为译文：

3月份的时候，我们见证了SparkFun Edge板的到来。SparkFun Edge采用超低功耗的Ambiq Micro Apollo 3处理器，可在没有网络连接的情况下运行TensorFlow Lite模型，可以充当面向微控制器的TensorFlow Lite的演示主板。

面向微控制器的TensorFlow Lite是TensorFlow的大规模流线型版本。其设计为可移植到“裸金属”系统，既不需要标准C库，也不需要动态内存分配。核心运行时在Cortex-M3上只有16KB，并且还有足够的运算符来运行语音关键字检测模型，总共需要22KB。

相信很快就有人会将TensorFlow演示程序连同面向微控制器的TensorFlow Lite一起移植到Arduino开发环境中。事实证明，首个实现了这种移植的是Adafruit。

使用在SAM D51上运行的TensorFlow Lite进行微型机器学习。

虽然他们的面向微控制器的TensorFlow Lite移植针对的是SAM D51，但这种实现并没有任何特定于架构的依赖性，因此该移植应该可以在任何拥有少量RAM和Flash的Arduino板上工作。

带有麦克风的AdaFruit PyGamer运行TensorFlow Lite。

最初的演示是由Google TensorFlow团队为SparkFun Edge主板构建的原始Yes / No演示的增强版本，在外带一款非常便宜的驻极体麦克风的PyGamer板上运行。PyGamer增加的功能虽然给模型带来了额外的开销，但除了Adafruit的团队在Edge主板上提供的简单闪烁LED之外，还增加了更多的用户交互。

可参考来自Google的TensorFlow Lite团队的Pete Warden讲解SparkFun Edge：https://vimeo.com/321823206。

然而，Adafruit并没有止步于此，近日他们又发布了第二个预先训练好的可以在面向微控制器的TensorFlow Lite上运行的模型，并且还满足了这个级别的嵌入式硬件所施加的各种限制。

机器学习吹泡泡。

“在这个演示中，我们将把一个麦克风连接到我们的PyGamer来检测'向上'或'向下'的语音指令并显示一些迷你视频，当TensorFlow Lite检测到你的声音时，它会向上或向下移动吹泡泡的棍子，它控制着一个 伺服电机和直流电机，所有这些都在Cortex-M4处理器上，全部由电池供电！”

有趣的是，Adafruit正在使用Docker进行训练，我们很期待看到该环境是否可以重用于其他网络。真正能够提高机器学习在微控制器和嵌入式硬件上应用的一种方式，就是允许人们提供预先训练好的模型。

然而，该框架的Adafruit移植并不是唯一的一个，谷歌集团背后还有另一个官方移植已准备就绪，并且“即将推出”。

面向微控制器的TensorFlow Lite的“官方”谷歌移植。

在Arduino环境中提供面向微控制器的TensorFlow Lite是一个很大的进步，就像许多预先训练好的模型一样，新兴边缘计算市场中机器学习的应用将发生巨大变化。

Arduino兼容性的到来可能是推动Espressif ESP8266成功的主要因素之一，那么机器学习是否会发生同样的情况呢，就让我们拭目以待吧。

原文：https://blog.hackster.io/tensorflow-lite-ported-to-arduino-5e851c094ddc

本文为 CSDN 翻译，转载请注明来源出处。

下面给大家推荐 CSDN 的好朋友——程序人生。

为什么推荐程序人生？

程序人生聚集百万程序员，在这里你可以笑谈开发轶事，吐槽百味的程序人生。

无论是从行业热点到经验解析，从职场困惑到风口趋势，还有程序员不为人知的秘密，我们将为你一一揭晓。

--end--

声明：本文章由网友投稿作为教育分享用途，如有侵权原作者可通过邮件及时和我们联系删除：freemanzk@qq.com