#40 · 主分类： 经典机器学习框架
EdgeML
bonsai
classifier
cpp
deep-learning
edge-computing
edge-devices
edge-machine-learning
emi-rnn
fastgrnn
fastrnn
iot-device
machine-learning
machine-learning-algorithms
microsoft
microsoft-research
protonn
pytorch
resource-constrained-ml
sensor
tensorflow
本仓库包含微软研究院印度开发的边缘设备机器学习算法代码。
项目最后更新：05/20/24
GitHub Stars
1.7K
Forks数量
388
贡献者数量
40
许可证
Other
收录理由
在设备端跑机器学习，意味着模型要压缩到几KB的存储空间里，同时还得保证实时预测，而且不能依赖云端连接。EdgeML来自微软研究院，把针对这种严苛约束设计的训练流程和模型结构集中在一起：Bonsai树分类器、基于原型的ProtoNN kNN，以及FastGRNN系列紧凑循环单元。你可以在普通机器上用TensorFlow或PyTorch完成训练，再把训练好的模型部署到设备上，推理过程完全离线。仓库里还附带SeeDot这个浮点转定点的量化工具，以及像GesturePod这样在微控制器上做手势识别的实际示例。如果你正在评估端侧ML方案在自己的产品里是否可行，从这里入手衡量精度与模型体积之间的取舍，是个不错的起点。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。