Machine learning benchmarks for embedded systems

MLCommons发布了最新的机器学习基准测试和低成本微控制器上的嵌入式系统。

Mlperf Tiny基准套件适用于最低功耗和最小的形状因素，如深度嵌入式，智能感应和物联网应用。第二轮Mlperf微小结果表明，与阿里巴巴，Andes，HLS4ML-Finn团队，Plumerai，Renesas，Silicon Labs，Stimicroelects和Syntiant的提交的巨大增长。

Collectively, these organizations submitted 19 different systems with 3 times the number of results than the first round and over half the results incorporating energy measurements. These were measured with benchmarks on machine learning models for visual wake words, image classification, keyword spotting and anomaly detection.

相关文章

• Plumerai，嵌入式AI上的TI团队
• 世界上最快的深度学习推理软件
• XMOS and Plumerai partner collaborate on binarised neural networks
• STMicroelectronics获取Arie Ai工具的Cartesiam

“Mlperf Tiny基准确认我们的推理引擎用于ARM Cortex-M是世界上最快的，”英国推理发动机开发商Plumerai表示。“这些已由MLCommons组织及其成员验证。”

Plumerai在ST Nucleo L4R5ZISTM32L4R5ZIT6U ARM Cortex-M4和Disco-F746NG Cortex-M7系统以及Infineon的Cy8Cprot0 PSoC 62（Cortex M4）系统中提交了三个基准测试。该基准测试显示了前三类的最低延迟，59.4ms，65.1毫秒和19.5ms。

这与ST的核心Cortex-M4X，M33和M7系统上的ST自己的算法相比。ST M7核心板和算法在2.4ms时的异常检测延迟最低。

+更多的