系统为物联网设备带来深度学习
深度学习无处不在。人工智能的这一分支负责管理您的社交媒体并提供您的Google搜索结果。不久,深度学习还可以检查您的体能或设置恒温器。麻省理工学院的研究人员开发了一种系统,该系统可以将深度学习神经网络引入新的甚至更小的地方,例如可穿戴医疗设备,家用电器中的微型计算机芯片以及构成“物联网”的2500亿其他物体(物联网)。
该系统称为MCUNet,它设计了紧凑的神经网络,尽管内存和处理能力有限,但它们为IoT设备上的深度学习提供了空前的速度和准确性。该技术可以促进物联网领域的扩展,同时节省能源并提高数据安全性。
物联网
物联网诞生于1980年代初期。卡内基·梅隆大学(Carnegie Mellon University)的研究生,包括迈克·卡扎尔(Mike Kazar '78),将可乐机器连接到互联网。该小组的动机很简单:懒惰。他们想使用计算机来确认机器是否已存货,然后再从办公室徒步旅行进行购买。这是世界上第一台连接互联网的设备。微软工程师卡扎尔说:“这几乎被当成是玩笑的笑话。” “没有人期望互联网上有数十亿台设备。”
自该可乐机问世以来,日常物品已越来越多地联网到不断增长的物联网中。其中包括从可穿戴式心脏监护仪到智能冰箱的所有信息,这些信息可以告诉您何时喝低牛奶。物联网设备通常在微控制器上运行,这些微控制器是无操作系统的简单计算机芯片,具有最小的处理能力,并且内存不到典型智能手机的千分之一。因此,深度学习等模式识别任务很难在IoT设备上本地运行。对于复杂的分析,物联网收集的数据通常被发送到云中,使其容易受到黑客攻击。
汉说:“我们如何直接在这些小型设备上部署神经网络?这是一个新的研究领域,而且越来越热。” “像Google和ARM这样的公司都在朝这个方向努力。” 汉也是。
通过MCUNet,Han的小组对“微型深度学习”所需的两个组件进行了代码签名-微控制器上神经网络的操作。其中的一个组件是TinyEngine,这是一个类似于操作系统的引导引擎,用于指导资源管理。TinyEngine经过优化,可以运行特定的神经网络结构,该结构由MCUNet的其他组件TinyNAS(一种神经体系结构搜索算法)选择。
- 上一篇
ADOBE发布适用于M1 MAC的PREMIERE PRO BETA
Adobe已宣布针对基于M1的Mac OS的Premiere Pro的Beta版。该版本是在面向M1的Mac的Photoshop和Lightroom Beta版发布之后发布的。新版本已更新为可以在Mac的基于ARM的M1芯片上本地运行,而没有太多空间可以模仿应用程序的英特尔版本而降低性能。与Photoshop和Lightroom beta版一样,您将找不到所有功能,但它确实包括核心编辑功能以及工作流程功能。“这种分阶段的方法使我们能够在添加新组件之前验证应用程序特定部分的性能和功能,&rdqu
- 下一篇
Google免费无限制的照片存储已成为过去
唐·麦克阿斯基尔(Don MacAskill)尝试了18年,以说服人们付费以备份和在线查看他们的照片,以代替家用硬盘驱动器或将所有内容保留在手机上。作为SmugMug的首席执行官,当Google进驻并在2015年改变动态时,事情变得“非常艰难”。他与Flickr有类似的难题,但当SmugMug最终于2018年被收购时,这一问题得到了解决。 Google Photos本身就是关于免费无限存储的,而对于MacAskill来说,“您如何与免费竞争?”