我的天!!! 只需 2 KB RAM 即可进行微型机器学习

如果您正在使用嵌入式微控制器进行开发，那么最近出现的所有机器语言内容都不会影响您，对吧？也许不是。Microsoft Research India 希望您使用他们的EdgeML工具来执行机器学习任务，例如在 Arduino Uno 等微型设备中进行手势识别。根据开发人员的说法，您可能只需要 2 KB 的 RAM。不需要网络连接，工作是在底层使用 Tensorflow，因此它与您在大型计算机上找到的大部分内容兼容。

如果你增加处理能力，你可以获得更多的能力。例如，其中一个演示是 Raspberry Pi Zero 上的唤醒词识别器（尽管目前似乎缺少该演示的页面；试试GesturePod）。

该系统通常使用 Python，但对于选定的算法也有高效的 C++ 实现。代码位于GitHub上。您还可以在 GitHub 页面上找到关于每个工具的大量研究论文。最近还有一篇关于MinUn的论文，试图使 ARM 微控制器的工作更加高效。特别是，MinUn 可以存储近似数以节省空间，允许张量的可变精度，并尝试减少内存碎片，这是没有内存管理单元的 CPU 的一个重要特性。

如果您还没有研究过 TensorFlow，请从这里开始。为什么要在微控制器上使用这样的东西？更聪明的机器人怎么样？