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:
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。
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。
算子融合:将多个相邻算子合并执行,减少内存访问开销。
SIMD并行计算:充分利用微控制器的SIMD指令,提高计算效率。
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。
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。
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。
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。
以MobileNetV2为例,采用基于补丁的推理可以将峰值内存减少8倍:
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:
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:
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:
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主要包含以下几个核心模块:
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和训练教程,帮助开发者快速将模型部署到微控制器上。
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。
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!
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。
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。
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。
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。
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。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号