如何在嵌入式系统中使用机器学习算法？答案

【问题标题】：How to work with machine learning algorithms in embedded systems?如何在嵌入式系统中使用机器学习算法？
【发布时间】：2016-09-03 13:25:13
【问题描述】：

我正在做一个项目，使用带有加速度计的 ARM cortex-m0 微控制器 (Freedom - KL25Z) 来检测（分类）人类活动。我打算使用机器学习来预测用户的活动。

问题是，cortex-m0 无法处理训练或预测算法，所以我可能不得不收集数据，在我的计算机中进行训练，然后以某种方式将其嵌入，我真的不知道如何去做。

我在互联网上看到一些帖子说您可以生成一个权重矩阵并将其嵌入到微控制器中，因此根据您为此功能提供的数据来预测某些东西将是一个简单的功能。这会是正确的做法吗？

无论如何，我的问题是，如何在微控制器中嵌入分类算法？

我希望你们能帮助我并给予一些指导，我有点迷失在这里。

提前谢谢你。

【问题讨论】：

【解决方案1】：

我一直在考虑自己这样做，以解决一个我很难手动开发启发式算法的问题。

您将不得不编写自己的机器学习方法，因为据我所知，没有适合低端 MCU 的机器学习库。

根据问题的难易程度，仍有可能开发和训练一个在低端 MCU 上表现良好的简单机器学习算法。毕竟，一些较旧/较简单的机器学习方法在具有类似约束条件的硬件上得到了令人满意的结果。

一般来说，我会这样做：

将（标记的）数据传输到 PC（通过 UART、SD 卡或任何可用的方式）。
使用数据和机器学习工具包（scikit-learn、weka、vowpal wabbit 等）进行实验。在继续之前，请确保现成的方法能够产生令人满意的结果。
试验特征工程和选择。尽量获得最小的功能集以节省资源。
编写您自己的机器学习方法，最终将用于嵌入式系统。我可能会选择感知器或决策树，因为它们不一定需要大量内存。由于您没有 FPU，我只会使用整数和定点算术。
执行正常的训练程序。 IE。使用交叉验证找到最佳调整参数、整数位宽、基数位置等。
在保留的测试集上运行最终训练好的预测器。
如果您训练的预测器的性能在测试集上令人满意，请将您的相关代码（计算预测的代码）和您训练的模型（例如权重）移至 MCU。模型/权重不会改变，因此它们可以存储在闪存中（例如，作为 const 数组）。

【讨论】：

【解决方案2】：

我认为您可能受到硬件的限制。你可能想得到一些更强大的东西。对于您的项目，您选择了 ARM 的 M 系列处理器。这是他们提供的最简单的平台，该架构不适合您尝试执行的那种处理。 ARM有如下三个基本分类：

您希望获得对这些复杂计算具有强大硬件支持的东西。您的起点应该是 A 系列。如果您需要进行浮点运算，您肯定需要从 A 系列开始，并且可能会使用 NEON-FPU。

TI 的 Discovery 系列是一个不错的起点，或者只是使用 Raspberry Pi（至少在开发部分）？

但是，如果您坚持使用 M0，我认为您可以使用 ROS-C 之类的轻量级产品来实现它。我知道有一些带有 ROS 的软件包可以做到这一点，即使它主要用于机器人技术，您也可以使其适应您正在做的事情。

【讨论】：

你好 StevieV，我完全同意你的观点，但实际上我的项目打算成为一种低成本的可穿戴设备，所以它应该是一个非常简单的硬件，比如 cortex-m0 或者可能是 arduino nano。这个想法是在计算机中进行处理（训练和其他东西），然后在微型计算机中嵌入一些可以处理已经训练过的数据的功能，如果你明白我的意思的话。
@RenanFonteles 好吧，你可能很难在上面进行机器学习。你的软件肯定要做很多工作，现在为什么 Cortex-A 系列设备不能成为低成本的可穿戴设备？
其实可以，但是说实话我现在有点资源不足，我只有一个 cortex-m0 和 1 个月来完成这个项目。（顺便提一下，白书优优，该死的，只是提醒我的青春期）
@RenanFonteles 啊，我想你是第一个得到这个的人 :) 是的，我理解它有时是如何得到的。我们曾经做过一个简单的机器学习算法，它是确定哪些指令序列会产生最高温度。让处理器尝试随机指令，然后记录哪些组产生最高温度的数据，然后将这些数据存储在闪存中。非常简单，但它奏效了。如果你只有 1 个月的时间，也许你可以尝试这些方法。
@RenanFonteles 看看更新的答案，也许这会有所帮助。这就是我的全部。