【先楫HPM5361】评测： TinyML实验(4)

xiyou2020eeeee

【先楫HPM5361】评测： TinyML实验(4) [复制链接]

 

【先楫HPM5361】评测： TinyML实验(4)

 

1、TinyMaix

TinyMaix是一款专为微控制器设计的轻量级开源机器学习库，由矽速科技（Sipeed）开发。它特别优秀的是，它可以在 Arduino UNO 开发板及其克隆板中的 Microchip ATmega328 MCU 上运行。

TinyMaix的核心代码不超过400行，因此它的设计之初衷是帮助新手理解TinyML的运作原理。它的代码足够简单，可以在30分钟内阅读完毕。此外，TinyMaix被认为是专为低资源设备设计的AI神经网络推理框架，通常被称为 TinyML。

TinyMaix支持多种神经网络模型，包括卷积神经网络（CNN）等。此外，TinyMaix还提供了一些实用工具，如数据预处理、模型评估和可视化等。

TinyMaix具有以下特点：

1. 超轻量级：核心代码不超过400行。
2. 专为低资源设备设计：可以在Arduino UNO开发板及其克隆板中的Microchip ATmega328 MCU上运行。
3. 支持多种神经网络模型：包括卷积神经网络（CNN）、循环神经网络（RNN）和全连接神经网络（FCN）。
4. 支持多种训练方法：包括随机梯度下降（SGD）、Adam和L-BFGS。
5. 提供实用工具：如数据预处理、模型评估和可视化等。

1. 测试
   2.1 测试平台
   RT-Thread：https://www.rt-thread.org/
   TinyMaix: https://en.wiki.sipeed.com/news/others/tinymaix_cnx/tinymaix_cnx.html
   2.2.测试步骤
   新建基于开发板的模板工程
   
   
   
   
   
   
   
   
   
2. 测试结果分析

其中，Total param ~88.4 KB表示该模型的参数总量约为88.4 KB，这是一个很小的模型，适合在嵌入式设备上运行。OPS ~3.08 MOPS表示该模型的计算量约为3.08 MOPS（百万次操作每秒），这也是一个相对较小的计算量。buffer 11.0 KB表示该模型需要的缓冲区大小为11.0 KB，这也是一个比较小的缓冲区。

最后的tm_run use 0.099 ms表示该模型的推理时间为0.099毫秒，这意味着该模型在嵌入式设备上可以实现实时的推理，非常适合实时应用。总的来说，这个模型非常适合在嵌入式设备上实现轻量级的机器学习应用。

nmg

tm_run use 0.099 ms是用这些时间识别出来一张图片里的鸟？
TinyML只有400行代码，好解读吗？有没有兴趣开个帖子来解读下，跟着学学

xiyou2020eeeee

nmg 发表于 2023-12-22 09:44 tm_run use 0.099 ms是用这些时间识别出来一张图片里的鸟？ TinyML只有400行代码，好解读吗？有没有兴趣开 ...

是滴呀，TinyMaix是国人写的