深度学习的未来在单片机身上?
Pete Warden,是谷歌TensorFlow团队成员,也是TensorFLow Mobile的负责人,常年遨游在深度学习的大海。
另外,这些看上去很熟悉的书,也是他的作品。
除此之外,皮特有个新的想法要和大家分享——
他坚定地相信,未来的深度学习能够在微型的、低功耗的芯片上自由地奔跑。
换句话说,单片机 (MCU) ,有一天会成为深度学习最肥沃的土壤。
这里面的逻辑走得有些绕,但好像还是有点道理的。
为什么是单片机
单片机遍地都是
根据皮特的估计,今年一年全球会有大约400亿枚单片机 (MCU) 售出。
MCU里面有个小CPU,RAM只有几kb的那种,但医疗设备、汽车设备、工业设备,还有消费级电子产品里,都用得到。
这样的计算机,需要的电量很小,价格也很便宜,大概不到50美分。
之所以得不到重视,是因为一般情况下,MCU都是用来取代 (如洗衣机里、遥控器里的) 那些老式的机电系统——控制机器用的逻辑没有发生什么变化。
能耗才是限制因素
任何需要主电源 (Mains Electricity) 的设备,都有很大的局限性。毕竟,不管到哪都要找地方插电,就算是手机和PC都得经常充电才行。
然而,对智能产品来说,在任何地方都能用、又不用经常维护,才是王道。
所以,先来看下智能手机的各个部位用电有多快——
· 显示器400毫瓦
· 无线电800毫瓦
· 蓝牙100毫瓦
· 加速度计21毫瓦
· 陀螺仪130毫瓦
· GPS 176毫瓦
相比之下,MCU只需要1毫瓦,或者比这更少。可是,一枚纽扣电池拥有2,000焦耳的电量,所以即便是1毫瓦的设备,也只能维持1个月。
当然,现在的设备大多用占空比 (Duty Cycling) ,来避免每个部件一直处在工作状态。不过,即便是这样,电量分配还是很紧张。
CPU和传感器不太耗电
CPU和传感器的功耗,基本可以降到微瓦级,比如高通的Glance视觉芯片。
相比之下,显示器和无线电,就尤其耗电了。即便是WiFi和蓝牙也至少要几十毫瓦。
因为,数据传输需要的能量,似乎与传输距离成正比。CPU和传感器只传几毫米,而无线电的传送距离以米为单位,就要贵得多。
传感器的数据都去哪了
传感器能获取的数据,比人们能用到的数据,多得多。
皮特曾经和从事微型卫星拍摄的攻城狮聊过。
他们基本上用手机相机来拍高清视频。但问题是,卫星的数据存储量很小,传输带宽也很有限,从地球上每小时只能下载到一点点数据。
就算不涉及到地外事务,地球上的很多传感器也会遇到这样的尴尬。
一个很有趣的栗子,来自皮特的一个好基友,每到12月,他家上网流量就会用到爆炸。后来,他发现是那些给圣诞节挂的彩灯,影响了视频下载的压缩比例,多下载了很多帧。
跟深度学习有什么关系
如果上面这些听上去有点道理,那么就有一大片市场等待技术来挖掘。
我们需要的是,能够在单片机上运转的,不需要很多电量的,依赖计算不依赖无线电,并且可以把那些本来要浪费掉的传感器数据利用起来的,设备。
这也是机器学习,特别是深度学习,需要跨越的鸿沟。
天作之合
深度学习就是上面所说的,计算密集型,可以在现有的MCU上运行得很舒服。
这很重要,因为很多其他的应用,都受到了“能在多短的时间里获得大量的储存空间”这样的限制。
相比之下,神经网络大部分的时间,都是用来把那些很大很大的矩阵乘到一起,翻来覆去用相同的数字,只是组合方式不同了。
这样的运算,当然比从DRAM里读取大量的数值,要低碳得多。
需要的数据没那么多的话,就可以用SRAM这样低功耗的设备来存储。
如此说来,深度学习最适合MCU了,尤其是在8位元计算可以代替浮点运算的时候。
深度学习很低碳
皮特花了很多时间,来考虑每次运算需要多少皮焦耳。
比如,MobileNetV2的图像分类网络,的最简单的结构,大约要用2,200万次运算。
如果,每次运算要5皮焦,每秒钟一帧的话,这个网络的功率就是110微瓦,用纽扣电池也能坚持近一年。
对传感器也友好
最近几年,人们用神经网络来处理噪音信号,比如图像、音频、加速度计的数据等等。
如果可以在MCU上运行神经网络,那么更大量的传感器数据就可以得到处理,而不是浪费。
那时,不管是语音交互,还是图像识别功能,都会变得更加轻便。
虽然,这还只是个理想。
最后一句
果然,TensorFlow Mobile的老大,满脑子还是便携设备的事。
原文发布时间为:2018-06-13
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
阿里巴巴登顶全球企业创新榜,被美国四大互联网公司视为头号对手
在最新发布的毕马威2018年度创新报告中,阿里巴巴被评为地球上最具科技颠覆力的公司。排在阿里巴巴之后的,是Facebook、亚马逊、谷歌等美国科技巨头。 毕马威这份科技创新报告中在科技界和商业界颇有影响力。这家全球著名的会计师事务所,在深度调研近800位科技公司高管的基础上,完成了这份年度创新报告。 《福布斯》6月11日报道说,这是中国公司第一次在毕马威年度创新报告中拔得头筹,超过“硅谷四杰”(Facebook、Amazon、Google和Netfix, 也就是通常所说的FANG)。 在美国,有19%参与调查的科技公司高管最担心阿里巴巴将来可能颠覆他们的公司,而选择Facebook的这一比例为13%。换句话说,美国科技公司高管们认为,阿里巴巴的科技颠覆力远远大于Facebook等科技公司。 在中国,各有12%参与调查的科技公司高管认为Fa
- 下一篇
face_recognition 实时人脸识别
目标 识别进入摄像头的人是谁 face_recognition face_recognition 是github上一个非常有名气的人脸识别开源工具包,我们可以通过以下指令安装到python环境内 $ pip install face_recognition 代码的设计思路 加载认识的人脸图 ray_image = face_recognition.load_image_file("ray.jpg") ray_face_encoding = face_recognition.face_encodings(ray_image)[0] 将认识的人脸变量加到数组内 known_face_encodings = [ ray_face_encoding ] known_face_names = [ "Ray" ] 全部代码如下所示: import face_recognition import cv2 video_capture = cv2.VideoCapture(0) ray_image = face_recognition.load_image_file("ray.jpg") ray_fac...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- CentOS关闭SELinux安全模块
- CentOS7设置SWAP分区,小内存服务器的救世主
- Docker安装Oracle12C,快速搭建Oracle学习环境
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题