當(dāng)前位置:首頁 > 智能硬件 > 智能硬件
[導(dǎo)讀]我們可以對神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行優(yōu)化,使之適配微控制器的內(nèi)存和計算限制范圍,并且不會影響精度。我們將在本文中解釋和探討深度可分離卷積神經(jīng)網(wǎng)絡(luò)在 Cortex-M 處理器上實(shí)現(xiàn)關(guān)鍵詞識別的潛力。

我們可以對神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行優(yōu)化,使之適配微控制器的內(nèi)存和計算限制范圍,并且不會影響精度。我們將在本文中解釋和探討深度可分離卷積神經(jīng)網(wǎng)絡(luò)在 Cortex-M 處理器上實(shí)現(xiàn)關(guān)鍵詞識別的潛力。

關(guān)鍵詞識別 (KWS) 對于在智能設(shè)備上實(shí)現(xiàn)基于語音的用戶交互十分關(guān)鍵,需要實(shí)時響應(yīng)和高精度,才能確保良好的用戶體驗(yàn)。最近,神經(jīng)網(wǎng)絡(luò)已經(jīng)成為 KWS 架構(gòu)的熱門選擇,因?yàn)榕c傳統(tǒng)的語音處理算法相比,神經(jīng)網(wǎng)絡(luò)的精度更勝一籌。

關(guān)鍵詞識別神經(jīng)網(wǎng)絡(luò)管道

由于要保持“永遠(yuǎn)在線”,KWS 應(yīng)用的功耗預(yù)算受到很大限制。雖然 KWS 應(yīng)用也可在專用 DSP 或高性能 CPU 上運(yùn)行,但更適合在 Arm Cortex-M 微控制器上運(yùn)行,有助于最大限度地降低成本,Arm Cortex-M 微控制器經(jīng)常在物聯(lián)網(wǎng)邊緣用于處理其他任務(wù)。

但是,要在基于 Cortex-M 的微控制器上部署基于神經(jīng)網(wǎng)絡(luò)的 KWS,我們面臨著以下挑戰(zhàn):

1. 有限的內(nèi)存空間

典型的 Cortex-M 系統(tǒng)最多提供幾百 KB 的可用內(nèi)存。這意味著,整個神經(jīng)網(wǎng)絡(luò)模型,包括輸入/輸出、權(quán)重和激活,都必須在這個很小的內(nèi)存范圍內(nèi)運(yùn)行。

2. 有限的計算資源

由于 KWS 要保持永遠(yuǎn)在線,這種實(shí)時性要求限制了每次神經(jīng)網(wǎng)絡(luò)推理的總運(yùn)算數(shù)量。

以下是適用于 KWS 推理的典型神經(jīng)網(wǎng)絡(luò)架構(gòu):

· 深度神經(jīng)網(wǎng)絡(luò) (DNN)

DNN 是標(biāo)準(zhǔn)的前饋神經(jīng)網(wǎng)絡(luò),由全連接層和非線性激活層堆疊而成。

· 卷積神經(jīng)網(wǎng)絡(luò) (CNN)

基于 DNN 的 KWS 的一大主要缺陷是無法為語音功能中的局域關(guān)聯(lián)性、時域關(guān)聯(lián)性、頻域關(guān)聯(lián)性建模。CNN 則可將輸入時域和頻域特征當(dāng)作圖像處理,并且在上面執(zhí)行 2D 卷積運(yùn)算,從而發(fā)現(xiàn)這種關(guān)聯(lián)性。

· 循環(huán)神經(jīng)網(wǎng)絡(luò) (RNN)

RNN 在很多序列建模任務(wù)中都展現(xiàn)出了出色的性能,特別是在語音識別、語言建模和翻譯中。RNN 不僅能夠發(fā)現(xiàn)輸入信號之間的時域關(guān)系,還能使用“門控”機(jī)制來捕捉長時依賴關(guān)系。

· 卷積循環(huán)神經(jīng)網(wǎng)絡(luò) (CRNN)

卷積循環(huán)神經(jīng)網(wǎng)絡(luò)是 CNN 和 RNN 的混合,可發(fā)現(xiàn)局部時間/空間關(guān)聯(lián)性。CRNN 模型從卷積層開始,然后是 RNN,對信號進(jìn)行編碼,接下來是密集全連接層。

· 深度可分離卷積神經(jīng)網(wǎng)絡(luò) (DS-CNN)

最近,深度可分離卷積神經(jīng)網(wǎng)絡(luò)被推薦為標(biāo)準(zhǔn) 3D 卷積運(yùn)算的高效替代方案,并已用于實(shí)現(xiàn)計算機(jī)視覺的緊湊網(wǎng)絡(luò)架構(gòu)。

DS-CNN 首先使用獨(dú)立的 2D 濾波,對輸入特征圖中的每個通道進(jìn)行卷積計算,然后使用點(diǎn)態(tài)卷積(即 1x1),合并縱深維度中的輸出。通過將標(biāo)準(zhǔn) 3D 卷積分解為 2D和后續(xù)的 1D,參數(shù)和運(yùn)算的數(shù)量得以減少,從而使得更深和更寬的架構(gòu)成為可能,甚至在資源受限的微控制器器件中也能運(yùn)行。

在 Cortex-M 處理器上運(yùn)行關(guān)鍵詞識別時,內(nèi)存占用和執(zhí)行時間是兩個最重要因素,在設(shè)計和優(yōu)化用于該用途的神經(jīng)網(wǎng)絡(luò)時,應(yīng)該考慮到這兩大因素。以下所示的神經(jīng)網(wǎng)絡(luò)的三組限制分別針對小型、中型和大型 Cortex-M 系統(tǒng),基于典型的 Cortex-M 系統(tǒng)配置。

KWS 模型的神經(jīng)網(wǎng)絡(luò)類別 (NN) 類別,假定每秒 10 次推理和 8 位權(quán)重/激活

要調(diào)節(jié)模型,使之不超出微控制器的內(nèi)存和計算限制范圍,必須執(zhí)行超參數(shù)搜索。下表顯示了神經(jīng)網(wǎng)絡(luò)架構(gòu)及必須優(yōu)化的相應(yīng)超參數(shù)。

神經(jīng)網(wǎng)絡(luò)超參數(shù)搜索空間

首先執(zhí)行特征提取和神經(jīng)網(wǎng)絡(luò)模型超參數(shù)的窮舉搜索,然后執(zhí)行手動選擇以縮小搜索空間,這兩者反復(fù)執(zhí)行。下圖總結(jié)了適用于每種神經(jīng)網(wǎng)絡(luò)架構(gòu)的最佳性能模型及相應(yīng)的內(nèi)存要求和運(yùn)算。DS-CNN 架構(gòu)提供最高的精度,而且需要的內(nèi)存和計算資源也低得多。

最佳神經(jīng)網(wǎng)絡(luò)模型中內(nèi)存與運(yùn)算/推理的關(guān)系

 

KWS 應(yīng)用部署在基于 Cortex-M7 的 STM32F746G-DISCO 開發(fā)板上(如下圖所示),使用包含 8 位權(quán)重和 8 位激活的 DNN 模型,KWS 在運(yùn)行時每秒執(zhí)行 10 次推理。每次推理(包括內(nèi)存復(fù)制、MFCC 特征提取、DNN 執(zhí)行)花費(fèi)大約 12 毫秒。為了節(jié)省功耗,可讓微控制器在余下時間處于等待中斷 (WFI) 模式。整個 KWS 應(yīng)用占用大約 70 KB 內(nèi)存,包括大約 66 KB 用于權(quán)重、大約 1 KB 用于激活、大約 2 KB 用于音頻 I/O 和 MFCC 特征。

Cortex-M7 開發(fā)板上的 KWS 部署

總而言之,Arm Cortex-M 處理器可以在關(guān)鍵詞識別應(yīng)用中達(dá)到很高的精度,同時通過調(diào)整網(wǎng)絡(luò)架構(gòu)來限制內(nèi)存和計算需求。DS-CNN 架構(gòu)提供最高的精度,而且需要的內(nèi)存和計算資源也低得多。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請及時聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

加利福尼亞州圣克拉拉縣2024年8月30日 /美通社/ -- 數(shù)字化轉(zhuǎn)型技術(shù)解決方案公司Trianz今天宣布,該公司與Amazon Web Services (AWS)簽訂了...

關(guān)鍵字: AWS AN BSP 數(shù)字化

倫敦2024年8月29日 /美通社/ -- 英國汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動 BSP

北京2024年8月28日 /美通社/ -- 越來越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時企業(yè)卻面臨越來越多業(yè)務(wù)中斷的風(fēng)險,如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報道,騰訊和網(wǎng)易近期正在縮減他們對日本游戲市場的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會開幕式在貴陽舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對環(huán)境變化,經(jīng)營業(yè)績穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤率延續(xù)升勢 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競爭力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競爭優(yōu)勢...

關(guān)鍵字: 通信 BSP 電信運(yùn)營商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺與中國電影電視技術(shù)學(xué)會聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會上宣布正式成立。 活動現(xiàn)場 NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會上,軟通動力信息技術(shù)(集團(tuán))股份有限公司(以下簡稱"軟通動力")與長三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉