SensiML发布第一个完整的开源AutoML解决方案

硬件无关的解决方案支持广泛的边缘处理器和硅供应商，为社区驱动的边缘ML创新奠定基础，包括生成式AI、合成数据生成和边缘学习
SensiML™ Corporation，AI/ML软件领域的领导者，QuickLogic（NASDAQ：QUIK）的子公司，今天宣布通过其热门的Analytics Studio应用程序首次提供完整的开源AutoML解决方案，从而颠覆了TinyML®市场。{ width=60% }

---

如TensorFlow™和PyTorch®等广泛采用的AI库已经采用开源模式，但直到现在，尚未涉及针对物联网边缘设备的全面AutoML开发工具。
AutoML，即自动化机器学习，简化并极大加快了创建机器学习模型的过程。这使得机器学习对于可能没有专门数据科学知识的开发人员更加易于访问。针对物联网微控制器和边缘SoC构建ML模型尤其复杂，因为它需要将数据科学与嵌入式代码优化相结合，以适应内存和计算能力有限的设备。AutoML有助于克服这些挑战。
SensiML的开源开拓性提供承诺为全球IoT设备开发人员提供增强的创造力、创新力和AI代码透明度，并扩大了该市场的规模，ABI Research预计到2027年将达到35亿台AI启用的边缘设备。 SensiML的Analytics Studio为各种IoT边缘设备，如以下实际应用示例，带来了智能感知能力：
分析和指导人类运动和人体工学的可穿戴设备和服装实时维修预测和异常检测传感器，识别并在本地对工厂/工厂机械、泵和阀门中的故障作出反应建筑自动化和安全端点，具有声学事件检测、关键词识别和说话者识别
直到现在，进行通常是他们的第一个AI/ML项目的IoT设备开发人员必须在各种具有不同能力和不明确路线图的专有工具市场中摸索。 SensiML的Analytics Studio开源版本的发布标志着IoT Edge AI软件工具行业的一个重要里程碑，提供了：
平台无关的模型生成：SensiML的插件式、开源架构支持各种MCU、AI/ML加速SoC和AI引擎，激发开发人员的信心，使用灵活的工具构建ML数据集，而不受特定供应商、芯片组或推理引擎的约束。
时间序列传感器输入：支持各种可能的时间序列传感器，如麦克风、加速度计、陀螺仪、IMU、载荷传感器、应变片、PIR传感器等。 输入可以进行混合以获取更复杂的模型，带有传感器融合算法。
快速创新：AI/ML的快速演进要求采用开源方法来利用更广泛的开发者社区专业知识，加速关键创新，如生成式AI、合成数据和边缘学习等进步。
灵活性：Analytics Studio支持多种模型开发机制，从点对点的自动模型生成到无代码的基于GUI的建模，具有完整的管道控制，再到完全基于Python SDK的模型创建。
可扩展性：Analytics Studio提供基本基于特征的模型生成、回归模型、经典ML和深度学习神经网络的模型生成。其丰富的超过80个特征生成器库还包括轻松添加自定义变换、过滤器、特征和分类器的功能，使社区开发人员可以轻松增强模型。
通过过渡到包括开源选项的双授权模型，SensiML正在提供其IoT边缘AutoML解决方案作为建立在七年中积累的基础代码库，以造福更广泛的开发者社区，进行协作改进和贡献。在社区支持下，SensiML希望扩展Analytics Studio，其中包括：
生成式AI模型开发和调整合成数据集增强本地LLM支持从图像和视频数据流识别物体增强边缘模型调整和学习更多MCU、MPU、NPU和GPU集成/优化更多预训练模型模板，适用于实际用例
新用户和现有用户将有灵活性可以选择SensiML的Analytics Studio开源版本或基于相同核心技术的完全托管和支持的SaaS云服务实现。

“四年前，我们的母公司QuickLogic推出了第一个开源eFPGA解决方案，”SensiML的CEO Chris Rogers说道。“我们正在利用这一成功来民主化边缘AI/ML开发，借助我们强大的工具。这一开源倡议将加速边缘AI/ML的采纳，提高最终用户的灵活性，并加速SensiML的SaaS增长和行业合作伙伴不断增长的私标工具价值。”

可用性
SensiML将于今年夏季早些时候推出其公共GitHub存储库和AutoML引擎文档。对于对这一开创性技术感兴趣并希望成为贡献者的开发人员，请注册https://sensiml.com/blog/opensource以接收更新。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。