DuHz_个人页

2025年09月

• 09.07 13:12:41
  发表了文章 2025-09-07 13:12:41

  MINUN: 微控制器上的精确机器学习推理——论文阅读

  MINUN是一个专为微控制器设计的高效机器学习推理框架，能精确解决TinyML中的三大挑战：数字表示参数化、位宽分配优化和内存碎片管理。它支持如Arduino和STM32等低功耗设备，显著减少内存占用，同时保持模型精度。
• 09.07 02:16:01
  发表了文章 2025-09-07 02:16:01

  μNAS：面向微控制器的约束神经架构搜索——论文解读

  μNAS是一种专为微控制器设计的神经架构搜索方法，旨在解决物联网设备中资源受限的挑战。通过多目标优化框架，μNAS能够在有限的内存和计算能力下，自动搜索出高效的神经网络结构。该方法结合了老化进化算法与贝叶斯优化，并引入结构化剪枝技术，实现模型压缩。实验表明，μNAS在多个数据集上均取得了优异的精度与资源使用平衡，显著优于现有方法，为边缘计算设备的智能化提供了可行路径。
• 09.07 02:11:41
  发表了文章 2025-09-07 02:11:41

  CMSIS-NN：ARM Cortex-M处理器的高效神经网络内核——论文解读

  CMSIS-NN是专为ARM Cortex-M系列微控制器优化的神经网络计算内核库，旨在支持资源受限的物联网边缘设备进行高效的深度学习推理。该库通过对卷积、池化、全连接层等关键操作进行定点量化、SIMD指令优化和内存布局调整，显著提升了模型在嵌入式设备上的运行效率。实验表明，CMSIS-NN在Cortex-M7处理器上的推理速度比基准实现提升了近5倍，大幅降低了功耗，为边缘AI应用提供了可行的技术路径。
• 09.06 21:29:15
  发表了文章 2025-09-06 21:29:15

  TensorFlow Lite Micro：嵌入式TinyML系统上的机器学习推理框架——论文深度解析

  TensorFlow Lite Micro（TFLM）是专为嵌入式系统设计的轻量级机器学习推理框架，适用于仅有几十KB内存的微控制器。它通过极简架构、模块化设计和内存优化策略，在资源受限设备上高效运行TinyML模型，广泛应用于关键词检测、传感器分析、预测性维护等领域。TFLM支持跨平台部署，并允许硬件厂商提供定制优化，兼顾灵活性与性能。
• 09.06 21:26:07
  发表了文章 2025-09-06 21:26:07

  256KB内存约束下的设备端训练：算法与系统协同设计——论文解读

  MIT与MIT-IBM Watson AI Lab团队提出一种创新方法，在仅256KB SRAM和1MB Flash的微控制器上实现深度神经网络训练。该研究通过量化感知缩放（QAS）、稀疏层/张量更新及算子重排序等技术，将内存占用降至141KB，较传统框架减少2300倍，首次突破设备端训练的内存瓶颈，推动边缘智能发展。