新书分享-嵌入式深度学习：持续性神经网路算法结构和电路设计

Posted 2021-04-19 深度学习与NLP

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了新书分享-嵌入式深度学习：持续性神经网路算法结构和电路设计相关的知识，希望对你有一定的参考价值。

本书介绍

尽管深度学习在许多典型的机器学习任务中取得了state-of-the-art的成绩，但它却存在一个明显的问题-需要消耗非常大量的能量，因为深度学习模型通常非常复杂且涉及大量的计算。因此，可穿戴设备上实现的深度学习应用只有通过与资源丰富的云进行无线连接，才能正常使用。这种方案有几个缺点：

首先，存在隐私问题。云计算要求用户与远程系统共享他们的原始数据—图像、视频、位置、语音。大多数用户不愿意这样做。

其次，云设置要求用户始终保持连接，这在当前的蜂窝网络覆盖范围内是不可行的。此外，实时应用APP需要低延迟连接，而使用当前的通信基础设施无法保证这一点。

最后，无线连接效率非常低—在能量受限的移动设备上，实时数据传输需要每传输一bit数据都需要大量的带宽。

所有这些问题—隐私问题、延迟/连接和昂贵的无线连接—都可以通过向边缘计算发展来解决。如何实现这一目标是本书的主题。本书侧重于讲解将深度学习算法的能耗降至最低的技术，用于电量受限的可穿戴边缘设备上的嵌入式应用。

在可穿戴设备上，只有在计算平台支持的能量和功率预算范围内，这些深度学习算法能够以更节能的方式运行，才能实现边缘计算。为了实现这一点，在应用程序的设计层次结构的所有级别都需要几项创新。可以为更具统计效率的深度学习算法开发更智能的应用程序，这些算法反过来应该运行在基于专门定制电路的优化硬件平台上。最后，设计师不应该单独关注这些领域，而应该共同优化硬件和软件，以创建能耗最低的深度学习平台。本书概述了设计这种系统的可能解决方案。