本篇博客文章介紹了物聯(lián)網(wǎng)結(jié)合機器學習(ML)的應用場景，以及如何基于Silicon Labs(亦稱“芯科科技”)的無線SoC平臺展開機器學習的開發(fā)。

為什么需要物聯(lián)網(wǎng)芯片制造商來實現(xiàn)機器學習應用?

對于芯片制造商來說，在設備網(wǎng)絡的邊緣而不是在接入點或云端中執(zhí)行機器學習是非常重要的，因為這樣可以在延遲等方面具有顯著優(yōu)勢。對邊緣數(shù)據(jù)的處理和相應的操作也會帶來更好的系統(tǒng)性能。例如，啟用設備的上下文感知功能可以降低帶寬需求和功耗。由于不需要將原始傳感器數(shù)據(jù)發(fā)送到云端，因此需要更少的帶寬，并且無需使用云服務器來分析數(shù)據(jù)，從而節(jié)省了能耗。最終，隱私和安全性也可以通過機器學習來改善，例如，一個人的面部圖像不需要被發(fā)送到云端，身份識別可以在本地就完成。

創(chuàng)建優(yōu)化的無線平臺，可以在有限的內(nèi)存中運行ML

將機器學習集成到邊緣設備一直是物聯(lián)網(wǎng)領(lǐng)域備受期待的發(fā)展之一。作為物聯(lián)網(wǎng)無線SoC制造商，SiliconLabs通過一種能夠整合到嵌入式應用程序中的形式向開發(fā)人員提供了相關(guān)解決方案。

Silicon Labs已經(jīng)在Wireless Gecko第一代和第二代無線SoC平臺中提供機器學習應用開發(fā)的支持，包括最新發(fā)布的帶有內(nèi)置AI/ML硬件加速器的BG24和MG24系列產(chǎn)品。這是一個通過軟件啟用的協(xié)同處理器，我們的兩個合作伙伴SensiML和EdgeImpulse已經(jīng)更新了他們的平臺，以便在為BG24或MG24開發(fā)代碼時自動使用硬件加速器。確切地說是選擇TensorFlow內(nèi)核由該協(xié)處理器加速，以減輕MCU的負擔并允許它執(zhí)行其他任務，如無線通信。任何將TensorFlowLite用于微控制器(TensorFlowLite for Microcontrollers, TFLM)的開發(fā)者或第三方都將能夠自動利用硬件加速器的優(yōu)勢。

關(guān)于機器學習解決方案，開發(fā)者需要了解什么?

盡管可以完全圍繞機器學習構(gòu)建應用程序，但我們相信大多數(shù)人都會使用機器學習為嵌入式無線產(chǎn)品添加新的差異化功能。我們將這種方法稱為“機器學習作為一種功能(MachineLearning as a Feature)”。開發(fā)一個將機器學習作為功能集成的應用程序需要兩個不同的工作流程：

用于創(chuàng)建無線應用程序的嵌入式應用程序開發(fā)工作(使用Simplicity Studio或你喜歡的IDE)。

機器學習工作流用于創(chuàng)建可添加到嵌入式應用程序的機器學習功能。

當將機器學習作為一種功能的設備最終部署到現(xiàn)場時，應用程序?qū)南嚓P(guān)傳感器(例如麥克風)獲取輸入，并在一個稱為推斷的過程中對其進行分析。推理是通過機器學習模型運行實時數(shù)據(jù)點來預測分類的過程。通常還需要對模型輸出進行額外的后處理(例如，閾值化和平均化)。

機器學習入門—根據(jù)所需功能選擇合適工具

雖然Silicon Labs提供的平臺可幫助您將機器學習納入嵌入式應用中，但我們不提供實際的機器學習模型。因此，我們已經(jīng)與許多模型工具和解決方案提供商合作，并進一步提供了可根據(jù)您的需求選擇最佳工具的不同方法之文檔。嵌入式開發(fā)人員選用最適合的工具取決于兩個方面：機器學習技能的水平(見下圖)和正在開發(fā)的用例。在文檔頁面的底部，您可以找到一些基于用例的示例和教程的鏈接。

親自動手體驗支持AI/ML的開發(fā)套件

我們的EFR32xG24和Thunderboard Sense開發(fā)工具包非常適合輕松地試用各種機器學習示例應用程序。上述所有軟件都可以在任一開發(fā)工具包上運行。

學習合作伙伴的更多開發(fā)技巧

SensiML現(xiàn)有的AI工具利用了最新的AI/ML硬件加速功能，呈現(xiàn)在我們新的BG24和MG24 SoC中。SensiML的分析工具包帶有內(nèi)置autoML軟件，使OEM快速創(chuàng)建功率優(yōu)化的智能傳感應用程序而無需數(shù)據(jù)科學專業(yè)知識，對MG24和BG24SoC系列進行了補充。

Edge Impulse和Silicon Labs正在為構(gòu)建人工智能感知產(chǎn)品的公司提供強大的嵌入式機器學習平臺。有了新的MG24和BG24SoC，嵌入式開發(fā)人員可以使用EdgeImpulse的解決方案來設計自動化的數(shù)據(jù)標簽、預先構(gòu)建的數(shù)字信號處理和機器學習功能區(qū)塊、實時分類測試和數(shù)字孿生(digitaltwins)，這些比以往任何時候都更簡單、更情境化且更易于開發(fā)。

本文作者Dan Kozin是Silicon Labs的高級產(chǎn)品經(jīng)理，負責機器學習軟件和DX。他擁有多年的產(chǎn)品管理和軟件工程經(jīng)驗，專注于用戶體驗和可擴展系統(tǒng)。他在通信系統(tǒng)、網(wǎng)絡、物聯(lián)網(wǎng)、移動設備和計算機電話領(lǐng)域擁有豐富的開發(fā)平臺行業(yè)經(jīng)驗。

原文標題：【入門指南】如何開發(fā)機器學習?

文章出處：【微信公眾號：SiliconLabs】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

審核編輯：湯梓紅