机构名称：
¥ 1.0
推动将计算推向“边缘” [2]的力。这些移动应用程序中有许多属于物联网（IoT）的类别，该领域由智能传感设备主导，主要对传感器数据进行推断[9]。诸如此类的部署根本不（理想情况下，不应该）需要云计算资源；一项需要非平凡的能源访问的服务。永恒的工程挑战一直在了解我们如何从移动设备中获得最大收益。我们可以为最少的功率做什么最大的有用计算？这种类型的性能最大化涉及硬件和软件优化。在硬件方面，最有影响力的设计选择之一是目标计算机。具有应用程序代理的成熟的多核系统可能会提供最佳的原始速度，但在大规模上可能是功率且昂贵的。大多数物联网部署都选择更节能的核心，以更低的绩效以提高可持续性。历史上降级为简单的8和16位机器，最新一代的MCU看到了向更有能力的32位处理器的过渡，ARM Cortex-M家族是最受欢迎的。这些以数十MHz运行的单核系统可能坐在计算性能梯子的底部，但它们在发电效率上是无与伦比的。弄清楚如何运行现代边缘计算工作 - 即。mL推断）近年来对资源受限的MCU一直是一个积极的研究领域。能量自2019年以来，这个概念已被称为Tinyml，该概念试图打开“在超低功率（<1MW）MCU上执行优化的ML模型，并以最小的功率征服” [4]。MCU级设备通常使用<100KB的内存和1-2MB的闪存存储运行。能够执行相同的ML任务，该任务将在MCU上的多核系统上运行，这是非常强大的。
EMBHD：用于MCU级设备高维计算研究的库
主要关键词
相关文件推荐
