ניו-טק מגזין | אוגוסט 2021 | המהדורה הדיגיטלית

חשיבותה הולכת וגוברת ככל שחללי העבודה במפעלים הולכים ונהיים צפופים יותר ויותר, כאשר ישנם יותר אנשים ורובוטים ניידים או נייחים העובדים יחד בקרבה גדולה. באופן דומה, טכניקות למידה ממוחשבת יכולות לשפר את יעילות תבנית הזיהוי והניטור במערכות מפעלים, זאת כדי לשפר את דיוק האבחון של המערכת. יישומים אחרים אשר יכולים להיטיב מיכולות למידה ממוחשבת כוללים חקלאות חכמה, זאת לדוגמה על ידי אימון זיהוי תמונה שיאפשר זיהוי אוטונומי של מחלות בגידולים, זאת ללא חיבור לאינטרנט. ) TinyML ( Tiny Machine Learning הרעיון של ממש יכולות אלו במכשירים מוטמעים. מתייחס למסגרות למידה ממוחשבת TinyML המותאמות לצורכי מערכות מוטמעות עם משאבים מוגבלים. בפועל, מפתחים זקוקים לכלים שונים כדי להצליח לבנות ולהכשיר מודלים של למידה ממוחשבת, וגם אז יש למטב אותם לקראת פריסה ושימוש במכשירי קצה דוגמת מיקרו-בקר, מעבד קטן . FPGA או מוטמעים במסגרות למידה TinyML עקרונות TensorFlow ממוחשבת המוכוונות קצה, כגון ). מסגרת פופולרית ונפוצה זו 2 (איור Lite כוללת כלים שונים, לרבות ממיר הממטב סטנדרטיים כך שיפעלו TensorFlow דגמי מוטמע, וכן Linux על טרגוט כגון מכשיר אשר יריץ את המודל הממוטב. interpreter TensorFlow Lite for יתרה על כך, נוצרה במיוחד כדי להריץ Microcontrollers למידת מכונה על מכשירים עם זיכרון מוגבל ביותר. זמן הריצה של הליבה תופס רק מספר קילובייטים של זיכרון, והוא נבדק על מיקרו-בקרים רבים המבוססים על ליבות TensorFlow . כלי Arm ® Cortex ®- M cores מאפשרים דרכים שונות להפחתת גודל Lite אשר יש להריץ על TensorFlow המודלים של גבי מכשיר מוטמע או על גבי מיקרו-בקר. פתרונות התממשקות קצה כיום, ספקי מיקרו-בקרים מובילים מאפשרים אקוסיסטמות ותזרימי תהליכים לפריסת ממשקי בינה מלאכותית ולמידת מכונה. כעת ניתן להשיג מיקרו-בקרים מוטמעים אשר מהונדסים באופן המאפשר למידה ממוחשבת עם TinyML

למידת מכונה מוטמעת מספקת אפשרויות עוצמתיות לקצה החכם. :1 איור « MOUSER קרדיט:

STMicroelectronics קופסת הכלים של לרשתות עצביות כוללת את כלי ההמרה המאפשר המרת רשתות STM 32 Cube . AI עצביות מוכשרות, כאלו שנוצרו לטובת שימוש במסגרות פופולריות שונות. הכלי מייצר ספריות ממוטבות אוטומטית עבור STM 32 Arm Cortex - M מיקרו-בקרים מסוג גם מספקת AI . האקוסיסטמה ST של חבילות פונקציות של תוכנה הכוללות middleware דרייברים במשלב נמוך וספריות לפריסת רשתות עצביות מוכשרות. יש גם יישומים לדגימה עבור סיווגי תרחישי-שמע וזיהוי פעילות-אדם, אשר למעשה עוזרים למשתמשים ללמוד במהרה כיצד להשתמש מוטמע. יחד עם החומרה המוזכרת AI ב-

פריסת רשתות עצביות להרצת אלגוריתמים של למידה ממוחשבת. גם מופיעים דורות חדשים של מיקרו-בקרים, המעוצבים עם חשיבה קדימה אל עבר ממשק , כגון ™ TI Sitara למידה ממוחשבת. מעבדי , הם דוגמה אחת כזו. דוגמאות AM 5729 Arm Cortex - A 15 נוספות הן שתי ליבות AM 5729 , ה- Cortex - M 4 וליבה מוטמעת של Embedded Vision Engines כולל ארבעה ) אשר יכולים לתמוך ברשתות למידה- ) EVE עמוקה כדי לוודא ביצועי התממשקות TI Deep Learning גבוהים. מסגרת התוכנה עוזרים למפתחים TIDL ) וממשק ) TIDL לבנות, להכשיר ולפרוס רשתות עצביות למעבדים מוטמעים.

ממטב דגמי למידת מכונה לטובת פריסה מוטמעת. Tensorflow Lite :2 איור «

New-Tech Magazine l 42