为什么说单片机会成为深度学习最肥沃的土壤

　　
 

　　Pete Warden，是谷歌TensorFlow团队成员，也是TensorFLow Mobile的负责人，常年遨游在深度学习的大海。

　　另外，这些看上去很熟悉的书，也是他的作品。

　　除此之外，皮特有个新的想法要和大家分享——

　　他坚定地相信，未来的深度学习能够在微型的、低功耗的芯片上自由地奔跑。

　　换句话说，单片机(MCU)，有一天会成为深度学习最肥沃的土壤。

　　这里面的逻辑走得有些绕，但好像还是有点道理的。

　　为什么是单片机

　　单片机遍地都是

　　根据皮特的估计，今年一年全球会有大约400亿枚单片机(MCU)售出。

　　MCU里面有个小CPU，RAM只有几kb的那种，但医疗设备、汽车设备、工业设备，还有消费级电子产品里，都用得到。

　　这样的计算机，需要的电量很小，价格也很便宜，大概不到50美分。

　　之所以得不到重视，是因为一般情况下，MCU都是用来取代 (如洗衣机里、遥控器里的) 那些老式的机电系统——控制机器用的逻辑没有发生什么变化。
 

 

　　能耗才是限制因素

　　任何需要主电源(Mains Electricity)的设备，都有很大的局限性。毕竟，不管到哪都要找地方插电，就算是手机和PC都得经常充电才行。

　　然而，对智能产品来说，在任何地方都能用、又不用经常维护，才是王道。

　　所以，先来看下智能手机的各个部位用电有多快——

　　·显示器400毫瓦

　　·无线电800毫瓦

　　·蓝牙100毫瓦

　　·加速度计21毫瓦

　　·陀螺仪130毫瓦

　　·GPS 176毫瓦

　　相比之下，MCU只需要1毫瓦，或者比这更少。可是，一枚纽扣电池拥有2，000焦耳的电量，所以即便是1毫瓦的设备，也只能维持1个月。

　　当然，现在的设备大多用占空比 (Duty Cycling) ，来避免每个部件一直处在工作状态。不过，即便是这样，电量分配还是很紧张。

　　CPU和传感器不太耗电

　　CPU和传感器的功耗，基本可以降到微瓦级，比如高通的Glance视觉芯片。

　　相比之下，显示器和无线电，就尤其耗电了。即便是WiFi和蓝牙也至少要几十毫瓦。

　　因为，数据传输需要的能量，似乎与传输距离成正比。CPU和传感器只传几毫米，而无线电的传送距离以米为单位，就要贵得多。

　　小结分享

　　赛亿方案十三年电子产品硬件及嵌入式软件开发设计经验，累计开发产品电子应用设计完成5000多个方案设计;目前为客户提供理念超前的手机app开发、智能家居系统、电子技术、电子线路设计、PCB设计、电路板设计、单片机技术、智能控制、嵌入式系统等。如有产品方案开发意向，期待您的来访。