TinyML与Tensor Flow Lite的关系
目录
Tensor Flow Lite for Microcontrollers
发展历史
Tensor Flow Lite是针对移动设备以及可穿戴设备领域的深度学习框架，是基于Tensor Flow的，但是Tensor Flow Lite并非能够在一些微型的MCU出色的运行，以及由于它算法的原因并不能很好的处于低功耗模式运行，如果一些芯片只能运行在低功耗的情况下，那么Tensor Flow Lite就显得不是那么融洽了，所以诞生了一个主题：TinyML，全拼：Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers（基于Arduino和超低功耗微控制器的TensorFlow Lite机器学习），并且拥有自己的社区，这个主题的中心思想是不在MCU上进行任何深度学习算法，仅仅只用预测算法，也就是大家训练好模型之后在MCU上运行并预测模型，无法在MCU上对模型进行订正以及训练，并且教大家如何训练一些足够小且精确高的一些模型，它分离了Tensor Flow Lite的大部分功能使其变得尽量简单，这个主题的发起者是：Pete Warden & Daniel Situnayake ,并且TinyML书也是他俩写的。
简介
TinyML是基于Tensor Flow Lite的一个主题，宗旨是让用户能够使用Tensor Flow Lite快速搭建在低功耗、微小的硬件环境下进行深度学习运算，可以理解为它是基于Tensor Flow Lite的解决方案，它提供了非常多的基于Tensor Flow Lite的开源项目，让大家能够基于这些项目快速构建自己的深度学习框架。
为了方便快速上手，TinyML写了许多自己的功能API，这些API基于Tensor Flow Lite，它们位于Tensor Flow Lite源代码的micro目录下，可以通过加载这个目录下的头文件进行快速构建深度学习框架
Tensor Flow Lite for Microcontrollers
TinyML是基于Tensor Flow Lite的，它所有的源代码以及API模块都存在于：tensor flow/lite/micro目录下，它是Tensor Flow仓库的一部分，是以C++方式提供接口，它扩展了许多方便并快速开发的一些API，可以供我们更快的建立模型开发。
主要模块
| 模块名 | |
|---|---|
| all_ops_resolver | 提供解释器运行模型时的所有运算算法，每次针对运算会拉取所有算法，然后选择一个合适的算法做运算，会耗费大量内存 |
| micro_mutable_op_resolver | 提供解释器运行模型时的所有运算算法，每次拉取一个算法做运算，并非最合适的算法，浪费内存较小 |
| micro_error_reporter | 专门用于低功耗的芯片输出调试信息的模块，比Tensor Flow Lite原生的reporter功耗低很多 |
| micro_interpreter | 包含专门在低功耗芯片的上处理和运行模型的代码 |