TinyEngine: 高效的微控制器深度学习推理引擎

RayRay
TinyEngine微控制器深度学习内存优化推理加速Github开源项目

TinyEngine: 让微控制器也能高效运行深度学习

在物联网(IoT)和边缘计算时代,微控制器因其低成本、低功耗的特性被广泛应用。然而,微控制器有限的内存和计算资源一直是制约深度学习在其上部署的主要瓶颈。MIT韩松实验室开发的TinyEngine正是为解决这一难题而生,它通过一系列创新技术,让深度学习模型能够在资源受限的微控制器上高效运行。

TinyEngine的核心优势

TinyEngine是MCUNet框架的关键组成部分,专门针对微控制器设计了多项内存管理和计算优化技术:

  1. 原位深度卷积:通过巧妙的数据布局,直接用中间结果覆盖输入数据,大幅降低峰值内存使用。

  2. 基于补丁的推理:将大尺寸特征图分割成小块进行计算,显著减少内存占用。

  3. 算子融合:将多个相邻算子合并执行,减少内存访问开销。

  4. SIMD并行计算:充分利用微控制器的SIMD指令,提高计算效率。

  5. 内存格式优化:针对不同算子选择最优的数据排布,提升缓存命中率。

  6. 循环优化:包括循环重排、展开和平铺等技术,加速计算过程。

通过这些技术,TinyEngine相比现有方案如TensorFlow Lite Micro、CMSIS-NN等,在推理速度和内存使用上都实现了显著提升。

TinyEngine优化效果

如上图所示,在多个基准模型上,TinyEngine将推理速度提升了1.1-18.6倍,同时将峰值内存减少了1.3-3.6倍。这意味着更复杂的深度学习模型现在可以在低端微控制器上运行,极大拓展了微控制器的AI应用场景。

基于补丁的推理技术

TinyEngine的一大创新是基于补丁的推理技术。传统的层级推理方式需要一次性分配整个特征图的内存,而基于补丁的推理将特征图分割成小块,每次只处理一小块区域,从而大幅降低了内存需求。

基于补丁的推理示意图

以MobileNetV2为例,采用基于补丁的推理可以将峰值内存减少8倍:

MobileNetV2内存优化效果

这项技术使得TinyEngine能够在相同内存预算下实现更高的模型精度:

ImageNet分类精度对比

TinyEngine的应用示例

TinyEngine已经在多个微控制器AI应用中得到验证。比如在视觉唤醒词(VWW)任务中,TinyEngine支持在STM32系列微控制器上部署和运行相关模型:

VWW演示

除了推理,TinyEngine还支持在微控制器上进行模型训练。以下是在OpenMV Cam H7上进行在线学习的演示:

在线学习演示

这些应用展示了TinyEngine在实际场景中的强大功能,为物联网设备赋予了更强大的AI能力。

TinyEngine的技术细节

TinyEngine主要包含以下几个核心模块:

  1. 代码生成器:将神经网络编译为底层C/C++代码。
  2. 运行时库:实现各类算子,支持微控制器上的模型推理。
  3. 示例代码:展示如何将TFLite模型转换为TinyEngine模型。
  4. 教程:包含推理和训练的演示教程。

使用TinyEngine需要Python 3.6+和STM32CubeIDE 1.5+环境。用户可以通过以下步骤快速上手:

git clone --recursive https://github.com/mit-han-lab/tinyengine.git conda create -n tinyengine python=3.6 pip conda activate tinyengine pip install -r requirements.txt

TinyEngine提供了详细的推理教程训练教程,帮助开发者快速将模型部署到微控制器上。

TinyEngine的影响力

TinyEngine作为MCUNet项目的重要组成部分,已经在学术界和工业界产生了广泛影响。相关研究成果连续三年入选神经信息处理系统会议(NeurIPS),并得到了MIT官方新闻、WIRED等多家媒体的报道。

TinyEngine的成功标志着微控制器AI的一个重要里程碑。它不仅大幅提升了现有模型的性能,更重要的是为未来更复杂的AI应用铺平了道路。随着物联网和边缘计算的快速发展,TinyEngine有望在智能家居、可穿戴设备、工业物联网等众多领域发挥重要作用。

总结与展望

TinyEngine通过深度优化解决了微控制器上运行深度学习模型的关键挑战,为物联网时代的AI应用开辟了新的可能。它不仅是一个技术创新,更代表了将复杂AI能力下放到端侧设备的重要趋势。

未来,随着硬件性能的提升和算法的进一步优化,我们有理由相信微控制器上的AI应用将变得更加普及和强大。TinyEngine作为这一领域的先驱者,正在为这一美好未来贡献自己的力量。

对于开发者而言,TinyEngine提供了一个强大而易用的工具,让将AI引入资源受限设备变得触手可及。无论是在学术研究还是产品开发中,TinyEngine都值得深入探索和应用。

让我们共同期待TinyEngine和微控制器AI的美好未来!

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多