TinyML
Modelli di machine learning abbastanza piccoli da girare su microcontrollori con pochi kilobyte di memoria, tipicamente per compiti di rilevamento sempre attivi a bassissimo consumo.
Il TinyML è la pratica di far stare modelli addestrati su un microcontrollore, la stessa classe di chip che legge i sensori e pilota una radio in un dispositivo a batteria. I modelli vengono ridotti con quantizzazione e pruning (potatura) finché non entrano in qualche centinaio di kilobyte di flash e girano in millisecondi. Poiché il chip è già presente, aggiungere intelligenza non costa quasi nulla in hardware e pochissimo in energia.
I carichi di lavoro tipici sono la classificazione di segnali brevi: una parola di attivazione nell’audio, un gesto rilevato da un accelerometro o una firma vibratoria insolita. Il limite è la capacità: un modello TinyML non può eseguire una grande rete per la visione, e l’addestramento avviene ancora su una workstation. La guida TinyML: machine learning sui microcontrollori percorre tutta la toolchain.
Parte del Glossario IoT. Hai trovato un errore o manca un termine? Scrivici.