是否可以在微控制器上运行神经网络

23

您是否可以在用于机器学习的Arduino Uno等微处理器上实现简单的神经网络？

microcontroller machine-learning

— 约旦
source

2

出于好奇，您为什么要这么做？

— 乔什·范德·胡克

1

我不是该领域的专家，但是最后我听说，NN的训练是在仿真中完成的，并且NN是在机箱上实现的，并且可能是一个比Arduino高的控制器。

— 乔什·范德·胡克

1

好吧，您不必链接它，只需在仿真中训练NN，然后提取NN的拓扑，包括边缘权重和节点链接。然后，您对NN进行编程（这只是您必须求解的一个方程式）。我认为在进行此项目之前，需要做更多的研究。

— 乔什·范德·胡克

1

可能值得一提的是我16岁，这是我在高中学习电子专业的工作。

— 约旦

1

在这种情况下，我认为您在尝试实现这一目标时超出了职责范围？

— 乔·贝克

10

您可以在微控制器上训练神经网络吗？也许吧，但是请不要尝试。您可以在微控制器上使用NN进行分类吗？当然，只要您可以计算传播节点和边值的结果并处理乘法。

— 乔什·范德·胡克
source

1

我同意。假设您可以获得在Arduino上进行训练所需的复杂性的神经网络，那么您仍然需要大量的训练时间。NN的外部训练是顺理成章的方法。

— fgb 2012年

23

当然可以在Arduino上实现它。这是3个实现神经网络的Arduino库：

Arduino可以处理的网络复杂性是一个单独的问题，尤其是在培训方面-培训数据上万次迭代。在快速的机器上进行训练，然后将神经元权重复制到Arduino，将是开发实现的更明智的方法。

— 伊恩
source

5

是。如果仅在前馈模式下运行它，然后离线进行其他地方的训练：

我在Arduino UNO上编写了3层（5-5-2）前馈ANN。它在移动机器人上运行。每当机器人撞到东西时，它将重新训练网络。网络的前馈部分是实时运行的；而反向传播训练大约需要5到20秒。我想您可以调整网络的大小以及使用参数来使其运行更快一些，但是如果您打算在Arduino上进行反向传播，我认为它会太慢。

一些加快速度的想法包括：

使用固定点还是浮点（对于不带FPU的MCU）
使用具有FPU的MCU
$\tanh$
使训练阶段在PC上离线进行

这是我对网络所做的快速撰写。

— 耶玛
source

3

是的，确实可以，将神经网络嵌入微控制器中是可能的。科学文献中有很多这样的例子，但是我可以举一个惊人的例子，说明如果您足够聪明，可以使用非常简单的MCU来完成。在《进化比特的尖峰》中，作者描述了实时尖峰神经网络的实现以及训练它的遗传算法，以控制差速轮机器人。整个代码在嵌入1立方英寸爱丽丝机器人的微型PIC16F628 4MHz MCU中运行。

— 修道院
source