索尼的丹尼尔·桑德布隆的客座文章
编辑注：本文的早期版本出现在 索尼开发者 上。
现在你可以使用 TensorFlow Lite Micro (TFLM) 为来自 索尼 的 Spresense 微控制器板 开发解决方案。TFLM 旨在运行在微控制器系统上，与较大的计算机系统相比，这些系统的硬件资源更加有限。TFLM 的占地面积通常只有几十 KB。
你将得到领先的机器学习生态系统与高性能微控制器相结合，该微控制器以超低功耗运行。Spresense 板的设计核心功能是摄像头和高分辨率音频输入，这开辟了一套大量的用例。TensorFlow 团队的研究工程师皮特·沃登分享了他对 TFLM 现在可以用于 Spresense 板的看法：“很高兴看到这种计算能力紧密集成到低功耗传感器中，这种组合将帮助医疗、农业、工业监控等领域开发者轻松使用机器学习，这些领域对小型化和能量有很强的限制。”
TFLM 的开发是谷歌与 ARM 之间紧密合作的结果，旨在优化功能，同时将占地面积降至最低。ARM 的团队负责人弗雷德里克·克努特森解释了如何针对 ARM 处理器架构优化 TFLM：“ARM 的开源 CMSIS-NN 库为 ARM Cortex-M 处理器提供了常见的
在 Spresense 上开始使用 TensorFlow 最简单、最快的方法是运行其中一个示例。有一个 hello_world 示例展示了基本步骤和功能。还有一个使用 Spresense 的音频功能的 micro_speech 示例，以及一个利用 Spresense 摄像头的 person_detection 示例。后两个示例展示了如何将视觉和音频传感器链接到 TensorFlow 模型的输入。
以下是运行示例的一般步骤
提示：我们将于 10 月 14 日举办一场名为“Spresense 上的 TensorFlow”的网络研讨会 - 在此注册！
查看以下链接获取更多信息
2021 年 10 月 12 日 — 索尼的丹尼尔·桑德布隆的客座文章编辑注：本文的早期版本出现在 索尼开发者 上。 现在你可以使用 TensorFlow Lite Micro (TFLM) 为来自 索尼 的 Spresense 微控制器板 开发解决方案。TFLM 旨在运行在微控制器系统上，与较大的计算机系统相比，这些系统的硬件资源更加有限。TFLM 的占地面积…
