espressif/esp-tflite-micro
TensorFlow Lite Micro for Espressif Chipsets
解決的問題
本專案提供了一種在 Espressif 芯片（例如 ESP32-P4、ESP32-S3 和 ESP32-C3）上使用 ESP-IDF 平台執行 TensorFlow Lite Micro（TFLite Micro）的方法。它讓開發者能在資源受限的微控制器硬體上部署小型且最佳化的機器學習模型。
工作原理
作為 ESP-IDF 生態系統的一個元件，整合 TFLite Micro 庫。為了提升效能，它與 ESP-NN（一個專為 Espressif 硬體設計的優化內核實作庫）整合，大幅減少模型執行（推論）所需的時間。
適用對象
希望在 Espressif 微控制器上直接實作設備端 AI（例如人體偵測或語音辨識）的開發者。
主要亮點
- 硬體最佳化：使用 ESP-NN 显著加速推論（例如，在 ESP32-S3 上，人體偵測時間從 2300ms 降低至 54ms）。
- 開箱即用的範例：包含人體偵測、微語音和基本 Hello World 示範的預建範例。
- ESP-IDF 整合：可透過
idf.py add-dependency輕鬆作為相依性安裝。 - C 語言實作：基於上游 TensorFlow Lite Micro 倉儲，記憶體佔用極低。
相關
- 專案
- 專案
- 專案
- 專案
- 專案