MLHelium
1.0.0
Experimentieren Sie mit ML unter Verwendung von Helium -Vektor -Anweisungen. Es stützt sich auf CMSIS-DSP, aber einige zusätzliche Kernel können von dieser Bibliothek bereitgestellt werden, wenn sie nicht in CMSIS-DSP verfügbar sind.
Es ist kein neues ML -Framework. Es sind nur einige Beispiele, um zu demonstrieren, dass CMSIS-DSP für einfache Netzwerke ausreicht (aber mehr Arbeit erfordert).
Diese Bibliothek konzentriert nur kleine Netzwerke mit dem Ziel, das Minimum an Abhängigkeiten für die Ausführung eines Modells zu verlangen.
Wenn Sie vollständig quantisierte Kerne und/oder die Verwendung eines Arm-NPU für Cortex-M benötigen, verwenden Sie TensorFlow Lite für Micro und CMSIS-NN.
Das Modell muss in C geschrieben werden (indem Sie die erforderlichen Kerne aufrufen). Es wird keine automatische Umwandlung aus Tensorflow oder Pytorch bereitgestellt.
Es wird ein Skript bereitgestellt, um das Exportieren der Gewichte aus dem Python zu erleichtern und sie aus dem C zu verwenden.
Die Lizenz ist Apache, mit Ausnahme einiger Beispiele, die von anderen Github -Repositories angepasst wurden und andere Lizenzen (wie MIT) verwenden können.
Hier ist ein Video des Tinyllams bei 50 MHz auf Cortex-M55:
