時間：2017-07-02 來源：互聯網 瀏覽量：
微軟發布了Embedded Learning Library，為開發人員提供了Raspberry Pi和其他開發者麵板的預先訓練好的圖像識別模型。
Embedded Learning Library (ELL)的早期預覽現在可以在GitHub上使用，它是微軟將其機器學習軟件小型化工作的一部分，使其適用於使用極低工號芯片、不連接到雲端的設備上各種設備。
正如該公司在博客文章中解釋的那樣，微軟研究實驗室的一個團隊正在努力壓縮其機器學習模型，使其能夠在體積不不超過麵包屑的ARM處理器Cortex-M0上工作。
微軟的目的是將機器學習推送到未連接到互聯網的設備，如腦植入物。微軟的Pix iPhone照片應用程序的新藝術功能在設備上使用人工智能，但其計劃是使其能夠運行在功能更弱的芯片上，例如腦植入，這些芯片可能需要在沒有網絡連接的情況下工作。
目前的壓縮工作讓機器學習模型縮小了10到100倍，但是要使其能夠在Cortex M0上運行，模型需要縮小1000到10,000倍。
然而，今天，ELL可用於相對強大和龐大的Raspberry Pi、Arduinos、BBC微處理器和其他的微控製器。
這些設備的ELL依賴於為雲訓練的壓縮機器學習模型，而在Cortex-M0上使用的訓練算法中的工作則針對特定場景進行過調整。
研究人員測試過的最小的器件是具有2千字節RAM的單板計算機Arduino Uno。
微軟研究機器學習和優化部門的主要研究人員Ofer Dekel在他的院子裏訓練了計算機視覺模型來處理鬆鼠問題。Dekel將模型部署在一個與網絡攝像頭連接的Raspberry Pi 3上，當它檢測到一隻鬆鼠時，它會打開噴淋係統。
他在GitHub上為製造商們提供了開始使用類似係統的說明，該係統識別對象並打印描述其內容的標簽。
