机构名称：
¥ 3.0
摘要在本文工作中，我们探讨了在微控制器上的AI解决方案的部署。在硬件上探索，测试和验证了当前可用的所有AI解决方案，并认为要部署在微控制器上的AI解决方案。32位微控制器是该开发的一部分，因为AI应用程序的任何平台不支持8位微控制器。STM32L432KC，带有64kbytes的SRAM和256kbytes闪存用于测试AI模型。微控制器的当前AI解决方案在供应商的礼物，开源和编译器基础上彼此不同。适用于微控制器，STM32 AI Cube和开源库NNOM的Google Tensorflow Lite用于构建和培训AI模型。每个AI解决方案的结果与其他四个核心参数闪存，RAM占用率，推理和输出偏差的时间进行了比较。优化诸如量化和仅使用微控制器的C源代码之类的技术。c和c ++在代码大小和推理时间上产生了很大的差异。在末尾，AI解决方案通过翻转内存位并更改微控制器代码来测试AI解决方案的编译时间注入故障。
论文-Politecnico di Torino
主要关键词
相关文件推荐
