MIT韩松团队开发全新微型深度学习技术MCUNet，实现ImageNet超70%准确率，可在物联网设备高效运行

“MCUNet能够把深度学习在单片机上做到 ImageNet 70% 以上的准确率，我们的研究表明，在物联网设备上在线进行小资源机器学习的时代正在到来。”  近日，MIT 电子工程和计算机科学系助理教授韩松告诉 DeepTech，他所带领的团队已经解决此前由于单片机硬件资源的限制无法在物联网设备上的进行微型机器学习的难题。今年 7 月，韩松团队发表的论文 “MCUNet: Tiny Deep Learning on IoT Devices” 中提出了 MCUNet 方案，可以通过高效的网络架构搜索（TinyNAS）和轻量推理引擎（TinyEngine）的联合设计，实现在 MCU（Microcontroller Unit 微控制单元，又称单片机）上运行 ImageNet 级别的推理。该论文第一作者林己在接受 DeepTech 采访时表示，“我们发现，用我们的 MCUNet 方案，基本上相对轻量级的 ………………………………