AutoML for Embedded, разработанный компаниями Analog Devices (ADI) и Antmicro, представляет собой плагин с открытым исходным кодом для Visual Studio Code, работающий совместно с плагином CodeFusion Studio от ADI . Построенный на основе фреймворка Kenning , он автоматизирует весь конвейер машинного обучения, включая поиск моделей, настройку гиперпараметров, оптимизацию, сжатие и развертывание, упрощая разработку edge AI для устройств с ограниченными ресурсами.
Компания указывает, что плагин поддерживает микроконтроллер ADI MAX78002 с AI-ускорителем, MAX32690 MCU, симуляцию на основе Renode и ОСРВ Zephyr. Для автоматического поиска моделей и настройки гиперпараметров используются алгоритмы SMAC и Hyperband, а сжатие и квантование моделей обеспечивают соответствие строгим ограничениям памяти и вычислительных ресурсов. Плагин предлагает встроенное тестирование производительности для скорости вывода, объема памяти и точности, выполняя проверки совместимости по ОЗУ и вычислительным возможностям. Эти функции делают его полезным для классификации изображений, обнаружения аномалий, прогнозирующего обслуживания, NLP и распознавания действий в энергоэффективных IoT и встраиваемых системах.
Обзор AutoML Embedded:
- Тип: плагин AutoML с открытым исходным кодом для VS Code, интегрирующийся с CodeFusion Studio
- Фреймворк: построен на платформе Kenning для аппаратно-независимой оптимизации и развертывания ИИ
- Поддерживаемое оборудование
- Микроконтроллер ADI MAX78002 с AI-ускорителем
- Микроконтроллер ADI MAX32690
- Расширяемость на другие встраиваемые устройства через пользовательские конвейеры Kenning
- Функции AutoML
- Автоматический поиск моделей и настройка гиперпараметров с использованием SMAC и Hyperband
- Сжатие и квантование моделей для соответствия строгим ограничениям памяти и вычислений
- Проверки совместимости по ОЗУ и вычислительным ресурсам перед развертыванием
- Инструменты бенчмаркинга
- Скорость вывода (задержка)
- Объем используемой памяти
- Оценка точности
- Мониторинг производительности в реальном времени
По данным ADI и Antmicro , AutoML for Embedded создан как аппаратно-независимый инструмент на основе фреймворка Kenning, что позволяет использовать его с другими микроконтроллерами и AI-ускорителями помимо MAX78002 и MAX32690. Однако оптимизации от производителя, такие как среда выполнения AI8X для MAX78002 и microTVM для MAX32690, разработаны специально для этих платформ. Для других MCU потребуется определение целевых профилей и конвейеров с использованием модульной архитектуры Kenning.
Компания также предлагает различные инструменты разработки для микроконтроллеров MAX78002 и MAX32690. Для MAX32690 доступны четыре оценочных набора, включая AD-APARD32690-SL (плата форм-фактора Arduino на базе ARM Cortex-M4 MCU MAX32690) и MAX32690EVKIT для углубленной оценки. Для управления батареями EVAL-ESS1-SYS предоставляет масштабируемую BMS-платформу мониторинга ячеек и аккумуляторных блоков, а EVAL-ADIN6310T1LEBZ служит эталонным проектом для приложений полевых коммутаторов ADIN6310.
Для MAX78002 MCU комплект MAX78002EVKIT оснащен 8 МБ QSPI SRAM, сенсорным 2,4-дюймовым TFT-дисплеем, стереоаудиокодеком, микрофоном I2S и хранилищем microSD. Он поддерживает камеры, аудиопериферию и аналоговые сенсоры, со всеми линиями GPIO, доступными через разъемы с шагом 2,54 мм. Встроенный аккумуляторный счетчик отслеживает энергопотребление для промышленной автоматизации, умных камер и портативных медицинских устройств.
В 2020–2021 годах AutoML использовался в устройствах, таких как Google Coral Dev Board Mini , шлюз ModBerry AI и камеры Imago VisionAI с AutoML Vision Edge для обучения и развертывания моделей на устройстве. В 2025 году AutoML обеспечивает поддержку встраиваемых устройств с ограниченными ресурсами благодаря инструментам вроде плагина AutoML for Embedded от Analog Devices.
Плагин AutoML for Embedded доступен для загрузки в VS Marketplace , исходный код опубликован на GitHub . Дополнительная информация представлена в пресс-релизе .
Выражаем свою благодарность источнику, с которого взята и переведена статья, сайту cnx-software.com.
Оригинал статьи вы можете прочитать здесь.