平台火热招商中,凡是八九十月入驻平台的,免费入住三个月,招商热线:13705545998          平台火热招商中,凡是八九十月入驻平台的,免费入住三个月,招商热线:13705545998         

点击或扫描进入
中国制造商城

标王 热搜:
 
当前位置: 首页 » 资讯 » 公司资讯 » 正文

为什么以及如何在边缘设备上运行机器学习算法

放大字体  缩小字体 发布日期:2020-07-22  浏览次数:2
核心提示:基于复杂的机器学习算法分析大量数据需要强大的计算能力。因此,大量数据处理发生在本地数据中心或基于云的基础架构中。但是,随
 基于复杂的机器学习算法分析大量数据需要强大的计算能力。因此,大量数据处理发生在本地数据中心或基于云的基础架构中。但是,随着功能强大,低能耗的物联网设备的出现,现在可以在诸如机器人本身之类的边缘设备上执行计算。这就催生了在网络边缘部署“基于边缘的” ML的高级机器学习方法(例如卷积神经网络或CNN)的时代。

以下各节重点介绍将从基于边缘的ML和在网络边缘上实现的现有硬件,软件和机器学习方法中受益最大的行业。

医疗保健中的边缘设备

在必须立即做出基于数据处理的决策的情况下,需要进行设备上数据分析。例如,可能没有足够的时间将数据传输到后端服务器,或者根本没有连接。

重症监护是可以从基于边缘的ML中受益的领域,在该领域中,实时数据处理和决策对于必须将关键生理参数(例如血糖水平或血压)维持在特定范围内的闭环系统很重要。价值观。

随着硬件和机器学习方法变得越来越复杂,可以通过边缘设备来监视和分析更复杂的参数,例如神经活动或心律。

可以从基于边缘的数据处理中受益的另一个领域是“环境智能”(AmI)。AmI是指对人的存在敏感并能做出响应的边缘设备。它可以增强人与环境之间的交互方式。

老年人的日常活动监控是AmI的一个示例。用于辅助生活的智能环境的主要目标是快速检测跌倒或起火等异常情况,并通过致电紧急帮助立即采取行动。

边缘设备包括智能手表,固定麦克风和照相机(或移动机器人上的照相机),以及可穿戴陀螺仪或加速度计。每种类型的边缘设备或传感器技术都有其优点和缺点,例如相机的隐私问题或可穿戴设备的常规充电。

采矿,石油和天然气以及工业自动化

在石油,天然气或采矿业中,基于边缘的机器学习的商业价值变得显而易见,在该行业中,公司员工在远离人口稠密地区(不存在连通性)的地点工作。诸如机器人之类的边缘设备上的传感器可以捕获大量数据,并准确预测诸如泵两端的压力或正常值范围之外的运行参数之类的信息。

连接性也是制造业中的一个问题,在这种情况下,对机器进行预测性维护可以减少不必要的成本并延长工业资产的使用寿命。传统上,工厂会定期使机器离线,然后根据设备制造商的规格进行全面检查。但是,这种方法昂贵且效率低下,并且没有考虑每台机器的特殊操作条件。

或者,工厂或仓库内所有机器的嵌入式传感器可以读取读数并将深度学习应用于静止图像,视频或音频,以识别指示将来设备故障的模式。

边缘设备和ML框架

以下这些框架中的大多数为语音识别,对象检测,自然语言处理(NLP)以及图像识别和分类等提供了预训练的模型。他们还为数据科学家提供了选择,以利用转移学习或从头开始并开发自定义ML模型。

适用于IoT边缘设备的流行ML框架

TensorFlow Lite由Google开发,并具有适用于多种编程语言的应用程序编程接口[API],包括Java,C ++,Python,Swift和Objective-C。它针对设备上应用程序进行了优化,并提供了针对设备上ML调整的解释器。自定义模型以TensorFlow Lite格式转换,并且其尺寸经过优化以提高效率。

ML for Firebase也由Google开发。它面向移动平台,并使用TensorFlow Lite,Google Cloud Vision API和Android Neural Networks API来提供设备上的ML功能,例如面部检测,条形码扫描和对象检测等。

PyTorch Mobile由Facebook开发。当前的实验版本针对两个主要的移动平台,并在经过训练并保存为Torrscript模型的移动设备模型上进行部署。

Core ML 3来自Apple,是自其原始版本以来Core ML的最大更新,支持多种ML方法,尤其是与深度神经网络有关的方法。

ELL是Microsoft的软件库,可在小型单板计算机上部署ML算法,并具有适用于Python和C ++的API。模型在计算机上编译,然后在边缘设备上部署和调用。

最后,Apache MXNet支持许多编程语言(Python,Scala,R,Julia,C ++,Clojure等),其中python API在训练模型上提供了大多数改进。

 
 
[ 资讯搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 违规举报 ]  [ 关闭窗口 ]

 
0条 [查看全部]  相关评论

 
推荐图文
推荐资讯
点击排行

 
网站首页 | 关于我们 | 联系方式 | 使用协议 | 版权隐私 | 网站地图 | 排名推广 | 广告服务 | 网站留言 | RSS订阅
Powered by 武汉圣玺云网科技有限公司