😲我的天!!! 只需2 KB RAM 即可進行微型機器學習
如果您正在使用嵌入式微控制器進行開發，那麼最近出現的所有機器語言內容都不會影響您，對吧？也許不是。 Microsoft Research India 希望您使用他們的EdgeML工具來執行機器學習任務，例如在Arduino Uno…
😲我的天!!! 只需2 KB RAM 即可進行微型機器學習
如果您正在使用***嵌入式微控制器進行開發，那麼最近出現的所有機器語言內容都不會影響您，對吧？也許不是。 Microsoft Research India 希望您使用他們的EdgeML工具來執行機器學習任務，例如在Arduino Uno 等微型設備中進行手勢識別。根據開發人員的說法，您可能只需要2 KB 的RAM。不需要網絡連接，工作是在底層使用[TensorFlow](https://www.newmediamax.com/w/TensorFlow)*** ，因此它與您在大型計算機上找到的大部分內容兼容。
如果你增加處理能力，你可以獲得更多的能力。例如，其中一個演示是Raspberry Pi Zero 上的喚醒詞識別器（儘管目前似乎缺少該演示的頁面；試試GesturePod ）。
該系統通常使用***Python*** ，但對於選定的算法也有高效的C++ 實現。代碼位於GitHub上。您還可以在GitHub 頁面上找到關於每個工具的大量研究論文。最近還有一篇關於MinUn的論文，試圖使ARM 微控制器的工作更加高效。特別是，MinUn 可以存儲近似數以節省空間，允許張量的可變精度，並嘗試減少內存碎片，這是沒有內存管理單元的CPU的一個重要特性。
如果您還沒有研究過TensorFlow，請從這裡開始。為什麼要在微控制器上使用這樣的東西？更聰明的機器人怎麼樣？
메타데이터
- post_id
- bc0befd4bb46
- slug
- 我的天-只需2-kb-ram-即可進行微型機器學習-bc0befd4bb46
- url
- https://medium.com/@newmediamax/%E6%88%91%E7%9A%84%E5%A4%A9-%E5%8F%AA%E9%9C%802-kb-ram-%E5%8D%B3%E5%8F%AF%E9%80%B2%E8%A1%8C%E5%BE%AE%E5%9E%8B%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-bc0befd4bb46
- canonical_url
- https://medium.com/@newmediamax/%E6%88%91%E7%9A%84%E5%A4%A9-%E5%8F%AA%E9%9C%802-kb-ram-%E5%8D%B3%E5%8F%AF%E9%80%B2%E8%A1%8C%E5%BE%AE%E5%9E%8B%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-bc0befd4bb46
- author_url
- https://medium.com/@newmediamax
- status
- ok
- fetched_at
- 2026-06-09 14:34:10
