Enable javascript in your browser for better experience. Need to know to enable it? Go here.
更新于 : Oct 26, 2022
不在本期内容中
这一条目不在当前版本的技术雷达中。如果它出现在最近几期中,那么它很有可能仍然具有相关参考价值。如果这一条目出现在更早的雷达中,那么它很有可能已经不再具有相关性,我们的评估将不再适用于当下。很遗憾我们没有足够的带宽来持续评估以往的雷达内容。 了解更多
Oct 2022
Assess ? 在了解它将对你的企业产生什么影响的前提下值得探索

我们仍旧为 TinyML 这项技术和它在构建可以运行在低功耗和移动设备上的机器学习(ML)模型的能力而感到兴奋。时至今日,运行机器学习(ML)模型仍然需要高昂的计算成本,并且在某些情况下还需要使用专用硬件。虽然模型的创建仍然大致属于上述情况,但可以通过一种方式创建模型,使它们能够在小型、低成本和低功耗设备上运行。如果你一直在考虑使用 ML 但苦于计算能力或网络环境的限制而放弃,那么这种技术值得你去评估。

Mar 2022
Assess ? 在了解它将对你的企业产生什么影响的前提下值得探索

时至今日,在人们眼中,运行机器学习(ML)模型仍然需要高昂的计算成本,并且在某些情况下还需要使用专用硬件。虽然模型的创建仍然大致属于上述情况,但可以通过一种方式创建模型,使它们能够在小型、低成本和低功耗设备上运行。这种技术被称作 TinyML,它为在看上去不可行的情况下运行 ML 模型开辟了新的可能性。例如,在由电池供电的设备上,或者在受限或不稳定的网络环境中,TinyML 能够使模型运行在本地且不需要高昂的成本。如果你一直在考虑使用 ML 但苦于计算能力或网络环境的限制而放弃,那么这种技术值得你去评估。

发布于 : Mar 29, 2022

下载第29期技术雷达

English | Español | Português | 中文

获取最新技术洞见

 

立即订阅

查看存档并阅读往期内容