CINECA IRIS Institutional Research Information System
IRIS è l'Anagrafe della ricerca dell'Università degli Studi di Trento, e ha lo scopo di raccogliere, documentare, conservare e diffondere, anche ad accesso aperto, la produzione scientifica degli autori afferenti all'Università degli Studi di Trento.
EnglishRecent advances in state-of-the-art ultra-low power embedded devices for machine learning (ML) have permitted a new class of products whose key features enable ML capabilities on microcontrollers with less than 1 mW power consumption (TinyML). TinyML provides a unique solution by aggregating and analyzing data at the edge on low-power embedded devices. However, we have only recently been able to run ML on microcontrollers, and the field is still in its infancy, which means that hardware, software, and research are changing extremely rapidly. Consequently, many TinyML frameworks have been developed for different platforms to facilitate the deployment of ML models and standardize the process. Therefore, in this paper, we focus on benchmarking two popular frameworks: Tensorflow Lite Micro (TFLM) on the Arduino Nano BLE and CUBE AI on the STM32-NucleoF401RE to provide a standardized framework selection criterion for specific applications.
TinyML Platforms Benchmarking / Osman, A.; Abid, U.; Gemma, L.; Perotto, M.; Brunelli, D.. - ELETTRONICO. - 866:(2022), pp. 139-148. ((Intervento presentato al convegno International Conference on Applications in Electronics Pervading Industry, Environment and Society, APPLEPIES 2021 tenutosi a Pisa nel 2021 [10.1007/978-3-030-95498-7_20].
Scheda prodotto non validato
I dati visualizzati non sono stati ancora sottoposti a validazione formale da parte dello Staff di IRIS, ma sono stati ugualmente trasmessi al Sito Docente Cineca (Loginmiur).
| Titolo: | TinyML Platforms Benchmarking | |
| Autori: | Osman, A.; Abid, U.; Gemma, L.; Perotto, M.; Brunelli, D. | |
| Autori Unitn: | ||
| Titolo del volume contenente il saggio: | Lecture Notes in Electrical Engineering | |
| Luogo di edizione: | Deutschland | |
| Casa editrice: | Springer Science and Business Media Deutschland GmbH | |
| Anno di pubblicazione: | 2022 | |
| Codice identificativo Scopus: | 2-s2.0-85128772523 | |
| ISBN: | 978-3-030-95497-0 978-3-030-95498-7 | |
| Handle: | http://hdl.handle.net/11572/342107 | |
| Citazione: | TinyML Platforms Benchmarking / Osman, A.; Abid, U.; Gemma, L.; Perotto, M.; Brunelli, D.. - ELETTRONICO. - 866:(2022), pp. 139-148. ((Intervento presentato al convegno International Conference on Applications in Electronics Pervading Industry, Environment and Society, APPLEPIES 2021 tenutosi a Pisa nel 2021 [10.1007/978-3-030-95498-7_20]. | |
| Appare nelle tipologie: | 04.1 Saggio in atti di convegno (Paper in proceedings) |
File in questo prodotto:
Copyright © 2022