您的位置:主页 > 新闻中心 > 行业资讯 >

AI趋势,MCU在边缘运算中的运用

行业资讯 / 2021-06-01 00:36

本文摘要:近几年AI的发展「边缘运算」(EdgeComputing)更加热门。随着硬件芯片的性能提高,让以往不能作为「接管」功能的端口也能用作帮助运算,使AI运作更加有效率;例如自动煞车系统、智能音箱等,都是边缘运算的实际应用于。 本文跟大家解析MCU在AI边缘运算中的应用于。MCU,机器学习的另一种自由选择在转入边缘运算之前,再行来理解一下何谓MCU?说道到机器学习(MachineLearning)时,你不会误解到什么呢?是电影中那种极大且章太炎主机的舱房吗?

博亚体育app

近几年AI的发展「边缘运算」(EdgeComputing)更加热门。随着硬件芯片的性能提高,让以往不能作为「接管」功能的端口也能用作帮助运算,使AI运作更加有效率;例如自动煞车系统、智能音箱等,都是边缘运算的实际应用于。

本文跟大家解析MCU在AI边缘运算中的应用于。MCU,机器学习的另一种自由选择在转入边缘运算之前,再行来理解一下何谓MCU?说道到机器学习(MachineLearning)时,你不会误解到什么呢?是电影中那种极大且章太炎主机的舱房吗?但运用这种方式不仅需消耗大量电力,所废气的废热堪称难以置信,能使数个国家级的游泳池从冷水变为温水!传统的机器学习必须数量可观的主机然而,只不过机器学习(MachineLearning)有更加节约能源的方式—也就是利用MCU。

MCU的优缺点较为MCU(Microcontrollers)不具备其他硬件所没的优点,比如体积小、价格便宜、省电等,这些特性可为可选的系统降低成本。因此,未来若想让AI应用于在生活的各层面,MCU毫无疑问是最佳自由选择。不过目前市面上的大量运算装置,大多专心于CPU、GPU,或类似于超级计算机的云端(Cloud)。

但是MCU在效能展现出比较低下,因此目前要将MCU应用于AI运算,显然还有艰难。各类硬件运算效能较为为了使MCU能于生活的各个面向继续执行AI运算与应用于,一些行业专家,融合各种MCU优缺点,研发出有开源项目uTensor,也就是想要发展一套基于mbed的精简版TensorFlow框架,构建MCU边缘运算的目标,目前已作出手写辨识的Demo。

边缘,现实与虚拟世界的交界首先来定义Edge,所谓的「边缘」,只不过是虚拟世界与现实世界的交界边缘(Edge)。从物联网(IoT)到MCU全都归属于数字的范围,而数字认识将近的地方,则是现实世界。目前在现实世界中,还有许多信息无法被上传遍数字的虚拟世界,因此两者之间的支架,就是「边缘」。但问题来了:该如何将现实世界中数量可观的信息相连到物联网呢?必需部署好几万个感测节点(sensornode)才能达成协议;但是,并不是每个人、每个环境都不具备WiFi、4G/5G等通讯协议反对,那么该如何做到?有行业人士指出,LPWAN的LoRa就是最佳自由选择。

如同右图所转身的发讯塔,如果放到城市大楼的顶端,那么网络的覆盖率超过一、二十公里决不是问题,虽然比特率(birate)不低,距离就越宽递增就越相当严重,但长距离覆盖面积与功耗极低的特性,非常合适当作展开IoT的传输。LoRa的发讯特性那么,另外还有那些合适边缘运算的通讯协议呢?必须从以下两点来审视:首先电力与比特率是首要考虑到,忘了是传输距离长短。因为边缘运算的理想状态,就是能依赖电池或太阳能供电;比特率则自由选择长距离、低功耗的LPWAN,在这样的自由选择时所画出的扇形图(如下图),即为边缘运算可运用的通讯区块。

通讯协议之电力与比特率较为问题是,此区块中的传输效能不欠佳,看起来音频、视频等类型的数据不有可能上传遍云端展开运算,因此该如何设计边缘运算,还必须经过细心的思维揣摩。利用编码与译码,继续执行边缘运算目前有一种解决方案是利用人工神经网络(NeuralNetwork)将原先的信息编码(encode)、传输,增大其容量,使其能于LPWAN环境下传输到云端,再行展开译码(decode)。因为若将编码、译码集中在MCU装置与云端上分别处置,MCU本身就不必须处置或传输过分可观的数据;另一个益处是,解碼的云端利用迁入自学(TransferLearning)更换更为更容易,利用某种程度的装置,之后能在云端转换出有有所不同的应用于。

迁入自学的运作示意图小结总结上文可以找到,即使科技发展大大执着效能与硬件的展现出,但未来最必须的关键词依然是「可持续」;即使超级计算机的运算能力再行卓越,若无法有效地普及于日常生活之中,其发展性仍然不会受到局限。反观MCU与边缘运算,虽然于现阶段都还不存在容许,但随着技术的持续发展,坚信在此领域中不存在相当大空间。


本文关键词:博亚体育app,趋势,MCU,在,边缘,运算,中的,运用,近几年,的

本文来源:博亚体育app-www.56haiwai.com