前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Xnor开发小型太阳能设备用于部署深度学习算法,无需电源

Xnor开发小型太阳能设备用于部署深度学习算法,无需电源

作者头像
AiTechYun
发布2019-03-08 15:06:24
5600
发布2019-03-08 15:06:24
举报
文章被收录于专栏:ATYUN订阅号

编译:浅浅

出品:ATYUN订阅号

在许多情况下,设备本身不会使用机器学习技术,而是将数据发送到云,以便更有效地完成任务。因为构成AI的过程通常是资源密集型的,会占用CPU并消耗电池电量。

这就是Xnor在2017年从艾伦人工智能研究所分离出来时要解决或至少要减轻的问题。它的突破是使边缘设备上的深度学习模型的执行如此高效,以至于5美元的Raspberry Pi Zero几乎可以像超级计算机一样执行最先进的计算机视觉过程。

该团队实现了这一目标,而Xnor的超高效ML模型现已集成到各种设备和业务中。团队根据你的观点将目标设定得更高或更低。

Farhadi回答了他自己关于缺乏启用AI的设备的问题,他们指向用来展示Pi Zero平台的演示小工具中的电池组并解释说:“关键在于电力。”

通过解决电力问题,他们克服了将AI置于CPU和功耗受限设备(如手机和Pi Zero)上的瓶颈。所以团队提出了一个疯狂的目标:为什么不制造一个根本不需要电池的AI平台?而不到一年,他们就完成了这一目标。

它可以实时执行一项重要的计算机视觉任务:它可以在几分之一秒内检测到一个人、一辆车、一只鸟或其他什么东西是否在它的视野内,以及在哪里,然后无线传输这些信息。它使用的是与太阳能计算器类似的能量。

Farhadi和硬件工程负责人Saman Naderiparizi展示的设备非常简单,一个320×240分辨率的小型相机,一个装有物体识别模型的FPGA,一个用于处理图像和相机软件的内存以及一个小型太阳能电池。非常简单的无线设置使其能够以非常适中的速率发送和接收数据。

“这是一台价值2美元的计算机,以及超级糟糕的相机,但它可以运行最先进的物体识别,”Farhadi显然对Xnor团队所创造的东西感到满意。

只要电池处于任何类型的光中,它就会为图像处理器和物体识别算法提供动力。它需要大约一百毫伏的工作才能工作,不过在较低的电平下,它可以不那么频繁地拍摄图像。

它可以单独使用那个电流,但当然没有某种能量储存是不切实际的,为此,这个演示设备有一个超级电容器,可以存储足够的能量,使其可以运行整夜。

为了证明它的效率,我们假设你决定装备一块手表电池。Naderiparizi表示,它可能以每秒一帧的速度运行30多年。

它不是产品

当然,真正的突破并不在于现在有了太阳能智能相机。这可能是有用的,当然,但这并不是这里值得吹嘘的。事实上,一个复杂的深度学习模型可以在一台电脑上运行,它比你的手机在睡眠时更便宜,耗电量更少。

“这不是产品,”Farhadi谈到这个小巧的硬件平台。“它是一个推动者。”

平台的电力成本并非接近触底。用于在此演示装置上进行计算的FPGA对其提供的处理能力并不是特别有效。如果他们有一个定制芯片,他们可以获得另一个数量级或两个数量级,从而降低工作成本推断到微焦耳水平。尺寸受相机光学系统和天线尺寸的限制,天线尺寸必须具有一定的尺寸以发送和接收无线电信号。

而且,这并不是要销售一百万个这些特殊的小部件。正如Xnor已经对其客户所做的那样,在其上运行的平台和软件可以针对单个项目或硬件进行定制。有人甚至想要在MIPS上运行模型,所以现在它做到了。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-02-14,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 ATYUN订阅号 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 它不是产品
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档