假设我有一个我在台式电脑上开发的机器/深度学习算法，以实现对来自传感器的时间序列事件的实时分类。一旦算法经过训练并表现良好，我想在具有相同传感器的低功耗嵌入式系统上实现它，以实时分类事件：
- 我如何知道低功耗嵌入式系统是否足够快以允许对算法进行实时分类（提前知道它会避免实现和尝试多种架构）？
- 机器/深度学习算法通常是用 python 开发的。有没有简单的方法将代码从 python 转换为更可嵌入的语言？
如何知道实时分类器是否可以在低功耗嵌入式系统中实现？
人工智能
人工智能设计
计算复杂度
嵌入式设计
2021-11-07 10:06:57
1个回答
关于您的第一点，这取决于您想使用哪种神经网络、传感器时间分辨率和嵌入式系统的功能。您可以计算出网络前向传递所需的操作次数，然后结合嵌入式系统的内部时钟，您可以实时计算出一个分类事件所需的大致时间。
这里给出了一个很好的解释 卷积神经网络前向传递的计算复杂度是多少？
如果您有网络的计算复杂性，以及每秒 CPU 周期数，您可以大致估算时间。
其它你可能感兴趣的问题