Inicio Artículos de fondo La implantación de los sistemas TinyML

La implantación de los sistemas TinyML

2449
0

Fraunhofer AIfES

Fraunhofer, un instituto de investigación alemán, ha desarrollado una biblioteca en C de IA para sistemas integrados (AIfES) que no está asociada a ninguna plataforma.

AIfES es de código abierto y está disponible como licencia pública general de GNU. Utiliza la biblioteca estándar GCC de GNU, lo que simplifica enormemente la puesta en práctica y permite la ejecución en prácticamente cualquier tipo de hardware, desde microcontroladores de ocho bits hasta procesadores potentes de móviles o CPU de ordenadores.

También hay disponible una versión de la biblioteca AIfES para innovadores que basen sus diseños en la plataforma Arduino.

AIfES es gratuita para proyectos privados, pero requiere un acuerdo de licencia para aplicaciones comerciales.

En la imagen siguiente, podemos ver la funcionalidad y la compatibilidad de la biblioteca AIfES en distintos tipos de plataforma.

La biblioteca Fraunhofer AIfES es compatible con entornos Python ML populares, como TensorFlow, Keras y PyTorch, y su proceso es parecido.

Funcionamiento de la biblioteca AIfES (Fraunhofer AI for Embedded Systems; fuente: Fraunhofer Institute for Microelectronic Circuits and Systems)
Funcionamiento de la biblioteca AIfES (Fraunhofer AI for Embedded Systems; fuente: Fraunhofer Institute for Microelectronic Circuits and Systems)

Los siguientes pasos en la implantación del TinyML

En este artículo hemos analizado tres plataformas y bibliotecas de aprendizaje automático que se pueden utilizar para el desarrollo y la implantación rápida de aplicaciones en sistemas TinyML periféricos. La idea de desarrollar aplicaciones integradas de aprendizaje automático en el IIdC con implementación periférica puede resultar abrumadora. Hay recursos y flujos de trabajo que simplifican enormemente la complejidad de las redes neuronales y reducen el nivel de comprensión requerida de la ciencia de datos.

En el último artículo hablaremos sobre algunos kits de evaluación y plataformas de microcontrolador compatibles con los recursos de desarrollo de los que hemos hablado. Con unos pocos componentes adicionales, una placa de ensayo, un sensor y los recursos mencionados, podremos mostrar el funcionamiento de una aplicación TinyML en menos de una hora.

Continúa leyendo en Kits TinyML de evaluación, primeros pasos

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.