前往主要內容
工商時報LOGO

晶心科聯手Deeplite 拓展邊緣運算市場

  • 蘇嘉維

已將目前網頁的網址複製到您的剪貼簿!

在邊緣運算設備上,推動低功耗和低延遲深度的學習模型、計算機硬體以及人工智慧推理系統這些項目的發展,持續創造令人興奮的新機遇。業界相關產業對於應用在深度學習的硬體和軟體解決方案(也稱為Edge AI,邊緣運算)的開發產生了前所未有的興趣。

邊緣運算已經開始在某些指標性的應用中取得進展,例如音訊信號分類(audio classification)中的關鍵字搜尋(keyword spotting)、異常檢測(anomaly detection)以及電腦視覺應用中的人物辨識(person detection)。具體來說,tinyML是專為超低功耗系統量身訂作的機器學習分支,具有遠大的前景。

這個提案中之解決方案的效率極高,甚至只有微瓦,加上其可廣泛地部署到此類邊緣運算在現實環境中設備的適用性,預計在未來5年內,將應用在超過1000億個IoT傳感器和設備。蓄勢待發之深度學習科技的未來,將透過比以往更加可負擔、具有友善生態系、以及更容易使用的智慧科技,提供客戶及終端使用者更顯著的便利。

晶心科技和Deeplite很高興地宣布兩家公司最新合作成果--透過使用Deeplite獨特的最佳化軟體和晶心科技低功耗RISC-V CPU核心研發出具有人工智慧運算能力的應用程式(AI-powered applications)。這項合作關係著重於壓縮(compressing)並加速(accelerating)著名的視覺喚醒詞(Visual Wake Words (VWW))應用程式。微型相機可以利用此類程式,進行人物圖像偵測。

Deeplite及晶心科技共同獲得了領先業界的結果,從利用浮點運算的Mobilenet-v1-0.25x模型中,產出各式最佳化的INT8模型。本次發表的第一組研發結果側重於提高精確性,以精度為主的INT8模型最佳化提高了2.7%的精度,縮小了1.7倍的檔案大小以及提高了9%的執行速度。

第二組結果主要著重於最大化壓縮(maximizing compression)。與TensorFlow Lite Micro提供的INT8 模型相比,本組專注於模型檔案尺寸最小化的模組,成功做到縮小2.3倍的檔案大小,更高的精度和提高了15%的執行速度。

您可能感興趣的話題

返回頁首
LOADING

本網頁已閒置超過3分鐘。請點撃框外背景,或右側關閉按鈕(X),即可回到網頁。