在树莓派Pico、RP2040和未来RPi mcu上进行的机器学习

原文链接:Machine Learning on Raspberry Pi Pico, RP2040, and future RPi MCUs 由Saumitra Jagdale撰写。

一直以来,树莓派 Pico 尽管配备了 RP2040 芯片,但该芯片还是缺乏为其应用程序实现机器学习推理的性能。但最近,通过 ArduCAM 和 TensorFlow lite 接口看到了一个人员检测的案虽然用例的处理性能较慢,但还是可用的。此外,树莓派基金会的首席执行官Eben Upton在最近的一次介绍中也透露,由于低功耗要求,该板增加了处理效率。因此,它可以提供低性能的边缘推理和机器学习用例。

RP2040开发板的功能图
RP2040开发板的功能图

Eben Upton 关于机器学习改进和“Pi Silicon”未来范围的预告则揭示了边缘推理应用程序的潜在增长和发展。而人们对 RP2040 板的需求则导致市场需要更多的开发板。只有当市场上有更多带有 RP2040 芯片的板卡可供使用时,才能满足这一需求。而很多公司(如 Adafruit、Pimoroni、和 Sparkfun)虽然已经开始发布了自己的硬件,但其中许多硬件并不具有 Pico 上有的功能。

RP2040 SoC 之所以能用最低功耗实现机器学习推理的最高性能,这是由于其高能效的双 Arm Cortex-M0+ 内核以相对较高的 133 MHz 频率工作。因此,有一些第三方的树莓派 RP2040 板可以专用于机器学习(ML,即Machine learning)的应用程序。其中一些如下:

用于机器学习推理的Arduino Nano RP2040连接板

Arduino Nano RP2040 连接就是这样一种能用于机器学习的开发板,它带有 9 轴 IMU、麦克风和 STMicro MEMS 传感器。这些功能可以用于进行边缘推理建模的数据收集。此外,该连接板还包括 16MB 外部 SPI 闪存、用于灵活连接的 u-blox NINA WiFi 和蓝牙模块。“这些可以让用户利用由 Raspberry 芯片驱动硬件的开发连接产品。它具有高效性能的可靠无线电模块,也可以用 Arduino 创建物联网云。”

Arduino Nano RP2040连接板
Arduino Nano RP2040连接板

SparkFun的MicroMod RP2040处理器

SparkFun 则推出了一个MicroMod RP2040 处理器类似于它其他的处理器卡,可以与不同 SparkFun 载体板兼容。因此,根据用户的应用,MicroMod RP2040 卡可以作为各种载板的动态插件。具体来说,RP2040 卡将非常适合机器学习载板,因为它具有机器学习的功能。有关更多信息,你们可以访问有关SparkFun 处理器卡和载板的详细文章。

RP2040 微型模组
RP2040 微型模组

Arducam Pico4ML:新的ArduinoML TensorFlow Lite板 

此外,Arducam公司(南京艾缔开姆电子科技有限公司)专门将其 RP2040 板命名为 Arducam Pico4ML。该板在单个平台上随附所有微控制器机器学习框架(Tensorflow Lite Micro)的用例。Arducam公司表示:“由于 RP2040 SoC 是基于高时钟的双 Cortex-M0+,所以它也是端点 AI。或者更具体地说是一个非常好的 TinyML 平台。”而新的 ArduinoML TensorFlow Lite 板则具有以下功能:

  • 唤醒词检测
  • 魔法棒扫描
  • 人物检测
  • 设备上的 LCD 显示屏
  • 其他基于传感器的分析
Arducam Pico4ML
Arducam Pico4ML

然而,正如前我前面所说的,使用 Arducam 和 TensorFlow lite 与 树莓派 Pico 进行人员检测速度会非常慢。因此,机器学习用例能否在 Arducam Pico4ML 上高效执行仍然是一个难题。

目前该开发板已经发布了,Arducam Pico4ML板售价是49.99美元,携带蓝牙的模块售价54.99美元不过需要注意的是,这两种开发板的存货都不是很多,而且因为COVID-19 的影响,该公司产品的交付时间也不确定。

相关视频链接:https://www.youtube.com/watch?v=yK1eu9uQaBs

在谈到树莓派Pico在机器学习方面的一些缺点时,Eben Upton演讲也说明了树莓派的计划。即他们会致力于现有RP2040芯片的研究,从而提高其机器学习的边缘计算能力。他们组织的目标就是为低功耗机器学习、推理和边缘计算构建轻量级设备端的 AI 加速器。

本文资料来源于Tom’s Hardware

分享这篇文章
订阅评论
提醒
0 评论
内联反馈
查看所有评论