如何在嵌入式系统中使用机器学习算法？

Question

我正在做一个项目，使用带有加速度计的ARM cortex-m0微控制器（Freedom - KL25Z）来检测（分类）人类活动。我打算使用机器学习来预测用户的活动。

问题是，cortex-m0无法处理训练或预测算法，因此我可能不得不收集数据，在我的计算机中训练它然后以某种方式嵌入它，我真的不知道如何这样做。

我在互联网上看到一些帖子说你可以生成一个权重矩阵并将其嵌入到微控制器中，因此根据你为这个功能提供的数据来预测某些东西是一个简单的功能。这是正确的做法吗？

无论如何，我的问题是，如何在微控制器中嵌入分类算法？

我希望你们能帮助我并给予一些指导，我有点迷失在这里。

提前谢谢。

Answer 1

我一直在考虑自己解决一个问题，即我很难用手工开发启发式算法。

你将不得不编写自己的机器学习方法，因为据我所知，没有适合低端MCU的机器学习库。

根据问题的严重程度，仍然可以开发和训练一种在低端MCU上运行良好的简单机器学习算法。总而言之，一些较旧/较简单的机器学习方法在具有类似约束的硬件上使用时具有令人满意的结果。

很一般来说，这就是我要这样做的方式：

1. 将（带标签的）数据发送到PC（通过UART，SD卡或任何可用的方式）。
2. 试验数据和机器学习工具包（scikit-learn，weka，vowpal wabbit等）。确保现成的方法能够在前进之前产生令人满意的结果。
3. 尝试功能工程和选择。尽量使用最小的功能集来节省资源。
4. 编写自己的机器学习方法，最终将在嵌入式系统上使用。我可能会选择感知器或决策树，因为这些不一定需要大量的内存。由于你没有FPU，我只使用整数和定点算术。
5. 做正常的训练程序。即使用交叉验证来查找最佳调整参数，整数位宽，基数位置等。
6. 在保留的测试集上运行最终训练预测器。
7. 如果训练预测器的性能在测试装置上令人满意，请将相关代码（计算预测的代码）和您训练的模型（例如重量）移至MCU。模型/权重不会改变，因此它们可以存储在flash中（例如作为const数组）。

Answer 2

我认为您的硬件可能会受到限制。你可能希望得到一些更强大的东西。对于您的项目，您选择了ARM的M系列处理器。这是他们提供的最简单的平台，该体系结构不适合您正在尝试的那种处理。 ARM有三个基本分类如下：

1. M - 微控制器
2. R - 实时
3. A - 申请

您希望获得对这些复杂计算具有强大硬件支持的内容。你的起点应该是A系列。如果你需要进行浮点运算，你肯定需要从A系列开始，并且可能需要使用NEON-FPU。

TI的Discovery系列是一个不错的起点，或者只是使用Raspberry Pi（至少在开发部分）？

但是，如果你坚持使用M0我认为你可以使用像ROS-C这样的轻量级产品来实现它。我知道有一些ROS可以做到这一点，即使它主要用于机器人，你也可以根据自己的需要调整它。

Dependency Free ROS

Neural Networks and Machine Learning with ROS