SensiML推出首个完整的开源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厂商，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。
{ width=60% }
SensiML™公司是物联网领域AI/ML软件的领导者，是QuickLogic（纳斯达克代码：QUIK）的子公司，今天宣布，通过其热门的Analytics Studio应用程序，首次提供用于开发边缘AI/ML应用的完整的开源AutoML解决方案，颠覆了TinyML®市场。目前，开源模型已经盛行于诸如TensorFlow™和PyTorch®等广受欢迎的AI库，但直到现在，尚未涵盖面向物联网边缘设备的全面AutoML开发工具。
自动机器学习（AutoML）简化并极大加快了创建机器学习模型的过程。这使得那些可能没有专业数据科学知识的开发人员更容易接触机器学习。为物联网微控制器和边缘SoC构建ML模型尤其复杂，因为它要求将数据科学与嵌入式代码优化相结合，适用于内存和计算能力有限的设备。AutoML有助于克服这些挑战。
SensiML开创性的开源方案承诺为全球物联网设备开发人员提供增强的创造力、创新性和AI代码透明度，并扩展了该公司对ABI Research预计将在2027年达到35亿台AI启用边缘设备的快速增长市场的接入。SensiML的Analytics Studio为各种物联网边缘设备带来智能感知能力，例如以下实际应用示例：
- 可穿戴设备和服装，在实时分析和指导正确的人体动作和人体工程学
- 预测性维护和异常检测传感器，在工厂/工厂机械、泵和阀门中识别并在本地反应故障
- 建筑自动化和安全端点，具有声学事件检测、关键词识别和说话人识别
到目前为止，往往需要进行他们的第一个AI/ML项目的IoT设备开发人员不得不翻阅琳琅满目的专有工具市场，这些工具具有不同的能力和不明确的路线图。SensiML的Analytics Studio开源释放标志着物联网边缘AI软件工具行业的一个重要里程碑，提供： - 平台不可知的模型生成：SensiML的插件风格、开源体系结构支持广泛的MCU、AI/ML加速SoCs和AI引擎，激发开发者信心，使用灵活工具构建ML数据集，这些工具不局限于特定厂商、芯片组或推理引擎。
- 时间序列传感器输入：支持所有可想象的时间序列传感器，例如麦克风、加速度计、陀螺仪、IMU、载荷细胞、应变片、PIR传感器等。输入可以混合以用于具有传感器融合算法的更复杂模型。
- 快速创新：AI/ML的快速发展要求采取开源方法，以利用更广泛的开发者社区专业知识，加速关键创新，例如生成式AI、合成数据和边缘学习的进步。
- 灵活性：Analytics Studio支持多种模型开发机制，从点对点的AutoML生成模型，到无代码GUI-based建模，提供全流程控制，到完全基于Python SDK的程序化模型创建。
- 可扩展性：Analytics Studio为基本基于特征的模型、回归模型、经典ML和深度学习神经网络提供模型生成。其丰富的超过80个特征生成器库还包括易于添加自定义转换、过滤器、特征和分类器的能力，使社区开发人员可以轻松增强功能。
通过过渡到包含开源选项的双许可模型，SensiML正在提供其IoT边缘AutoML解决方案作为一个基础代码库，经过7年的积累，以使更广泛的开发者社区从协作改进和贡献中获益。在社区的支持下，SensiML希望扩展Analytics Studio，包括： - 生成式AI模型开发和调优
- 合成数据集增强
- 本地LLM支持
- 图像和视频数据流中的对象识别
- 加强的边缘模型调优和学习
- 更多MCU、MPU、NPU和GPU集成/优化
- 更多预训练模板，用于实际用例
新用户和现有用户将可以灵活选择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云服务实施。
“四年前，我们的母公司QuickLogic推出了第一个开源eFPGA解决方案，” SensiML的首席执行官Chris Rogers说道。“我们正利用这一成功经验，利用我们强大的工具使边缘AI/ML开发民主化。这一开源倡议将加速边缘AI/ML的采用，有利于最终用户的灵活性，并提高SensiML的SaaS增长和行业伙伴名单中日益增长的私有标志工具的价值。”
可用性SensiML将于今年夏天初启动其公共GitHub存储库和AutoML引擎文档。有兴趣获得更新并成为这一开创性技术的贡献者的开发人员可以在https://sensiml.com/blog/opensource注册。
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。
SensiML推出首个完整的开源AutoML解决方案
