電子發(fā)燒友網(wǎng)>電子資料下載>電子資料>如何快速部署邊緣就緒機(jī)器學(xué)習(xí)應(yīng)用程序

如何快速部署邊緣就緒機(jī)器學(xué)習(xí)應(yīng)用程序

2388746 2022-11-24 | pdf | 818.95KB | 次下載 | 免費(fèi)

資料介紹

機(jī)器學(xué)習(xí) (ML) 為創(chuàng)建智能產(chǎn)品提供了巨大的潛力，但神經(jīng)網(wǎng)絡(luò) (NN) 建模和為邊緣創(chuàng)建 ML 應(yīng)用程序所涉及的復(fù)雜性和挑戰(zhàn)限制了開發(fā)人員快速提供有用解決方案的能力。盡管現(xiàn)成的工具使 ML 模型的創(chuàng)建通常更容易獲得，但傳統(tǒng)的 ML 開發(fā)實(shí)踐并不是為了滿足物聯(lián)網(wǎng) (IoT)、汽車、工業(yè)系統(tǒng)和其他嵌入式應(yīng)用程序解決方案的獨(dú)特要求而設(shè)計(jì)的。機(jī)器學(xué)習(xí) (ML) 為創(chuàng)建智能產(chǎn)品提供了巨大的潛力，但神經(jīng)網(wǎng)絡(luò) (NN) 建模和為邊緣創(chuàng)建 ML 應(yīng)用程序所涉及的復(fù)雜性和挑戰(zhàn)限制了開發(fā)人員快速提供有用解決方案的能力。盡管現(xiàn)成的工具使 ML 模型的創(chuàng)建通常更容易獲得，但傳統(tǒng)的 ML 開發(fā)實(shí)踐并不是為了滿足物聯(lián)網(wǎng) (IoT)、汽車、工業(yè)系統(tǒng)和其他嵌入式應(yīng)用程序解決方案的獨(dú)特要求而設(shè)計(jì)的。本文簡(jiǎn)要介紹了神經(jīng)網(wǎng)絡(luò)建模。然后介紹并描述了如何使用本文簡(jiǎn)要介紹了神經(jīng)網(wǎng)絡(luò)建模。然后介紹并描述了如何使用NXP SemiconductorsNXP Semiconductors的綜合機(jī)器學(xué)習(xí)平臺(tái)，讓開發(fā)人員更有效地交付邊緣就緒機(jī)器學(xué)習(xí)應(yīng)用程序。的綜合機(jī)器學(xué)習(xí)平臺(tái)，讓開發(fā)人員更有效地交付邊緣就緒機(jī)器學(xué)習(xí)應(yīng)用程序。快速回顧神經(jīng)網(wǎng)絡(luò)建模快速回顧神經(jīng)網(wǎng)絡(luò)建模ML 算法為開發(fā)人員提供了一個(gè)截然不同的應(yīng)用程序開發(fā)選項(xiàng)。開發(fā)人員不是編寫旨在明確解決圖像分類等問題的軟件代碼，而是通過提供一組數(shù)據(jù)來訓(xùn)練 NN 模型，例如用圖像中包含的實(shí)體的實(shí)際名稱（或類別）注釋的圖像。訓(xùn)練過程使用多種方法分別為每個(gè)神經(jīng)元和層計(jì)算模型的權(quán)重和偏置值參數(shù)，使模型能夠?qū)斎雸D像的正確類別提供相當(dāng)準(zhǔn)確的預(yù)測(cè)（圖 1）。ML 算法為開發(fā)人員提供了一個(gè)截然不同的應(yīng)用程序開發(fā)選項(xiàng)。開發(fā)人員不是編寫旨在明確解決圖像分類等問題的軟件代碼，而是通過提供一組數(shù)據(jù)來訓(xùn)練 NN 模型，例如用圖像中包含的實(shí)體的實(shí)際名稱（或類別）注釋的圖像。訓(xùn)練過程使用多種方法分別為每個(gè)神經(jīng)元和層計(jì)算模型的權(quán)重和偏置值參數(shù)，使模型能夠?qū)斎雸D像的正確類別提供相當(dāng)準(zhǔn)確的預(yù)測(cè)（圖 1）。圖 1：諸如這個(gè)全連接網(wǎng)絡(luò)之類的神經(jīng)網(wǎng)絡(luò)使用訓(xùn)練期間設(shè)置的權(quán)重和偏差參數(shù)對(duì)輸入對(duì)象進(jìn)行分類。（圖片來源：恩智浦半導(dǎo)體）圖 1：諸如這個(gè)全連接網(wǎng)絡(luò)之類的神經(jīng)網(wǎng)絡(luò)使用訓(xùn)練期間設(shè)置的權(quán)重和偏差參數(shù)對(duì)輸入對(duì)象進(jìn)行分類。（圖片來源：恩智浦半導(dǎo)體）除了圖 1 所示的通用全連接神經(jīng)網(wǎng)絡(luò)之外，機(jī)器學(xué)習(xí)研究人員已經(jīng)發(fā)展出一系列廣泛的神經(jīng)網(wǎng)絡(luò)架構(gòu)。例如，圖像分類應(yīng)用程序通常使用卷積神經(jīng)網(wǎng)絡(luò) (CNN)，這是一種將圖像識(shí)別分為初始階段以尋找關(guān)鍵信息的專用架構(gòu)圖像的特征，然后是分類階段，預(yù)測(cè)它屬于訓(xùn)練期間建立的幾個(gè)類別之一的可能性（圖 2）。除了圖 1 所示的通用全連接神經(jīng)網(wǎng)絡(luò)之外，機(jī)器學(xué)習(xí)研究人員已經(jīng)發(fā)展出一系列廣泛的神經(jīng)網(wǎng)絡(luò)架構(gòu)。例如，圖像分類應(yīng)用程序通常使用卷積神經(jīng)網(wǎng)絡(luò) (CNN)，這是一種將圖像識(shí)別分為初始階段以尋找關(guān)鍵信息的專用架構(gòu)圖像的特征，然后是分類階段，預(yù)測(cè)它屬于訓(xùn)練期間建立的幾個(gè)類別之一的可能性（圖 2）。圖 2：ML 專家使用專門的神經(jīng)網(wǎng)絡(luò)架構(gòu)，例如這個(gè)卷積神經(jīng)網(wǎng)絡(luò) (CNN) 來執(zhí)行圖像識(shí)別等特定任務(wù)。（圖片來源：恩智浦半導(dǎo)體）圖 2：ML 專家使用專門的神經(jīng)網(wǎng)絡(luò)架構(gòu)，例如這個(gè)卷積神經(jīng)網(wǎng)絡(luò) (CNN) 來執(zhí)行圖像識(shí)別等特定任務(wù)。（圖片來源：恩智浦半導(dǎo)體）盡管選擇合適的模型架構(gòu)和訓(xùn)練方案僅限于 ML 專家，但多種開源和商業(yè)工具的可用性極大地簡(jiǎn)化了大規(guī)模部署的模型開發(fā)。如今，開發(fā)人員可以使用幾行代碼（清單 1）定義模型，并使用開源盡管選擇合適的模型架構(gòu)和訓(xùn)練方案僅限于 ML 專家，但多種開源和商業(yè)工具的可用性極大地簡(jiǎn)化了大規(guī)模部署的模型開發(fā)。如今，開發(fā)人員可以使用幾行代碼（清單 1）定義模型，并使用開源NetronNetron模型查看器等工具生成模型的圖形表示（圖 3），以檢查每個(gè)層的定義和連接性。