作者：Josh Gordon，开发者倡导者

edX.org 上的全新 HarvardX TinyML 课程

哈佛大学 Vijay Janapa Reddi 教授、TensorFlow Lite Micro 团队以及 edX 在线学习平台将在今年秋季分享一系列简短的 TinyML 课程，您可以免费观看，也可以报名参加并获得证书。在本文中，我将分享一些关于 TinyML 的信息，您可以用它做什么以及即将推出的 HarvardX 项目。

关于 TinyML

TinyML 是深度学习发展最快的领域之一。简而言之，它是一个新兴领域 研究 探索可以在小型低功耗设备上运行的模型类型，例如 微控制器。

TinyML 位于嵌入式 ML 应用、算法、硬件和软件的交叉点。其目标是在边缘设备上实现低延迟推理，这些设备通常仅消耗几 毫瓦 电池电量。相比之下，台式机 CPU 功耗约为 100 瓦（高出数千倍！）。这种极低的功耗使 TinyML 设备能够在电池上断开电源运行并持续数周、数月甚至数年 - 所有这些都可以在边缘/端点运行始终在线的 ML 应用程序。

TinyML 为简单的语音识别器提供动力。了解如何构建自己的 这里。

虽然我们大多数人对 TinyML 还很陌生，但您可能会惊讶地发现 TinyML 已经在生产 ML 系统中使用了多年。当您对 Android 设备说“好的谷歌”时，您可能已经体验过 TinyML 的好处。这是由一个始终在线的低功耗关键字检测器提供支持的，它的原理与您可以学习构建的 这里 相似。

现在不同的是，TinyML 正在迅速变得更容易获得，这部分归功于 TensorFlow Lite Micro 以及即将推出的 HarvardX 课程等教育资源。

TinyML 为嵌入式 ML 开发人员解锁了许多应用程序，尤其是在与加速度计、麦克风和摄像头等传感器结合使用时。它已经证明在野生动物追踪保护和检测作物病害以满足农业需求以及预测野火等领域非常有用。

TinyML 也很有趣！您可以开发智能游戏控制器，例如使用基于神经网络的运动控制器控制霸王龙恐龙，或者启用其他各种游戏。使用相同的 ML 原则和技术技巧，您可以想象在汽车中收集加速器数据以检测各种场景（例如轮胎摇摆）并提醒驾驶员。

Chrome 的 霸王龙恐龙 使用 TensorFlow Lite for Microcontrollers 控制。

抛开娱乐和游戏不谈，与任何 ML 应用程序一样 - 尤其是在处理传感器数据时 - 必须熟悉 负责任的 AI。TinyML 可以支持各种私有 ML 应用程序，因为推理可以在边缘完全进行（数据永远不需要离开设备）。事实上，许多微型设备根本没有互联网连接。

更多关于短课程的信息

HarvardX 课程旨在让广大开发人员都能学习。您将学习什么是 TinyML，它如何在世界上发挥作用以及如何入门。

这些课程从 ML 基础开始，包括如何收集数据，如何训练基本模型（例如：线性回归）等等。接下来，它们介绍深度学习基础知识（例如：MNIST），然后是用于计算机视觉的 Tiny ML 模型，以及如何使用 TensorFlow Lite for Microcontrollers 部署它们。在学习过程中，这些课程涵盖了案例研究和重要论文，以及越来越先进的应用。

在一个工作流程中，您将 构建一个 TensorFlow 模型 使用 Colab 中的 Python（一如既往），然后将其转换为在微控制器上的 C 中运行。本课程将展示如何优化 ML 模型以适应资源极度受限的设备（例如，存储空间小于 100 KB 的设备）。它还包括各种案例研究，这些案例研究考察了将 TinyML “投入使用” 的挑战。

将 TinyML 带回家

我们很高兴与 Arduino 和 HarvardX 紧密合作，让这种体验成为可能。

Arduino 正在准备一个 TinyML 套件，专门用于本课程。

Arduino 将向 edX 学习者提供一个现成的 TinyML 套件，供其购买。它包含一个带有板载传感器的 Arm Cortex-M4 微控制器、一个摄像头以及一个带有线的面包板 - 所有解锁 TinyML 应用程序功能初始套件所需的一切，例如图像、声音和手势检测。学生将有机会创造未来。

我们将在此处 TensorFlow 博客 上展示课程中最好的学生项目。

我们很高兴看到您将创造什么！

报名 这里.