TinyML是机器学习中的一个新兴领域，专注于开发可在低功耗、内存受限的设备上运行的算法和模型。其核心目标是将先进的机器学习算法和模型移植到体积小巧、能耗极低的嵌入式设备中，使这些设备具备边缘智能，能够在没有外部服务器支持的情况下进行实时数据处理和决策制定。涵盖了整个机器学习生命周期在微控制器环境下的适应性调整，包括模型训练、压缩、量化、部署以及在设备上的实时推理。
TinyML模型专为低功耗设备设计，为资源受限的设备提供强大的智能处理能力。它经过高度优化，以适应低功耗、低计算能力和有限存储的硬件环境，从而确保即使在微控制器和嵌入式系统上也能实现高效的机器学习模型部署和推理。
TinyML不仅能降低整体成本，还利用本地数据处理和决策减少延迟，实现实时性，并保护数据隐私。此外，TinyML还通过减少上传到云端的数据量，有效节省带宽，进一步提升整体性能和效率。随着研究人员和工程师不断创新并克服 TinyML 面临的挑战，这项技术的未来看起来非常光明。
如果在国产FPGA上应用TinyML技术可以带来哪些惊喜？
FPGA（现场可编程门阵列）是一种高度并行的硬件架构，能够实现高效的计算和数据处理。将TinyML与国产FPGA相结合，可以在边缘计算设备上实现高效、低功耗、实时的AI应用，大大拓展了机器学习技术在各个领域的应用范围，并满足国产化战略需求。
这一次，我们将FPGA和TinyML联系在一起，6月30日（周日）上午9：30-11：30带来免费在线培训课程《TinyML在国产FPGA的边缘AI加速应用》，欢迎各位同学来听~
时间
6月30日（周日）上午9：30-11：30
地点
腾讯会议
主题
TinyML在国产FPGA的边缘AI加速应用
课程概要
● 了解Edge Vision SoC 框架；
● 如何导入自己的AI模型；
● 确认预估资源占用；
● Edge VisionSoC 框架编写 C/C++代码；
● 演示TinyML 活体识别Demo
PC端打开：F学社-全球FPGA技术提升平台 (zzfpga.com)
讲师
唐海波，易灵思嵌入式研发部门负责人，长期从事SoC开发、AI硬件加速，覆盖机器视觉和人工智能方向的应用研究与开发。
