BriefGPT - AI 论文速递
·
嵌入式神经网络的故障注入：单指令跳过的影响
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了新的深度神经网络量化和部署框架MicroAI，以及在低功耗32位微控制器上应用该框架的优化方法和效果。通过对三个不同数据集的评估和与其他嵌入式推理引擎的比较，证明了MicroAI在内存和功耗效率方面更好。
🎯
关键要点
- 介绍了新的深度神经网络量化和部署框架MicroAI。
- 研究了在低功耗32位微控制器上应用MicroAI的优化方法和效果。
- 通过评估三个不同数据集（UCI-HAR、Spoken MNIST和GTSRB）进行验证。
- 与两种已有的嵌入式推理引擎（TensorFlow Lite for Microcontrollers和STM32CubeAI）进行比较。
- 在ARM Cortex-M4F微控制器上验证了MicroAI的性能。
- MicroAI在内存和功耗效率方面表现更好。
🏷️
标签
➡️
