tinyml

Sistemas de Aprendizaje Automático

Biblioteca ligera de inferencia para archivos ONNX, escrita en C++. Puede ejecutar Stable Diffusion XL 1.0 en una RPI Zero 2 (o en 298 MB de RAM) y también Mistral 7B en ordenadores de sobremesa y servidores. Compatible con ARM, x86, WASM y RISC-V. Acelerado por XNNPACK. Bindings disponibles para Python, C# y JS(WASM).

Una biblioteca ligera de solo cabecera para usar modelos de Keras (TensorFlow) en C++.

Z80-μLM es un modelo de lenguaje cuantizado a 2 bits lo suficientemente pequeño como para ejecutarse en un procesador Z80 de 8 bits. Entrena modelos conversacionales en Python, expórtalos como binarios .COM de CP/M y chatea con tu computadora antigua.

Esta es una lista de artículos y proyectos interesantes sobre TinyML.

La librería de aprendizaje por refuerzo profundo más rápida

[NeurIPS 2020] MCUNet: Aprendizaje profundo diminuto en dispositivos IoT; [NeurIPS 2021] MCUNetV2: Inferencia basada en parches eficiente en memoria para aprendizaje profundo diminuto; [NeurIPS 2022] MCUNetV3: Entrenamiento en dispositivo con menos de 256 KB de memoria.

Motor de inferencia de aprendizaje automático para microcontroladores y dispositivos embebidos.

[NeurIPS 2020] MCUNet: Aprendizaje profundo ligero en dispositivos IoT; [NeurIPS 2021] MCUNetV2: Inferencia basada en parches con uso eficiente de memoria para aprendizaje profundo ligero

Biblioteca de aprendizaje profundo TinyML independiente del proveedor, compilador y framework de inferencia para microcomputadoras y microcontroladores.