本文转载自公众号“读书芯”（ID：AI_Discovery）。世界正处于变革时代，这一时代的重要性可与文艺复兴和工业革命相提并论。人们认为，人工智能和物联网是推动世界现代化的两个大有希望的领域，这两个支柱在未来具有巨大的增长空间。本文将分析人工智能和物联网这两个概念，以了解我们对它们的期望；它还将讨论如何使用这些集成技术来开发创新和创意项目；最后，本文将分析一种使代码更紧凑的方法，一种在嵌入式设备中更高效部署的方法。什么是物联网(IoT)？来源：unsplash物联网描述了一个嵌入传感器、软件和其他技术的物理实体网络，目的是通过互联网和其他设备与系统连接和交换数据。由于多种技术、实时分析、机器学习、商品传感器和嵌入式系统的融合，物联网的定义不断发展。嵌入式系统、无线传感器网络、控制系统和自动化等传统领域都有助于物联网的实现。在消费市场，物联网技术是“智能家居”产品的代名词，包括支持一个或多个共同生态系统并可由与该生态系统相关的其他设备控制的设备和电器。什么是人工智能和AIoT？人工智能是一个广阔的领域，有很多子范畴，如自然语言处理（NLP）、人工神经网络、计算机视觉、机器学习、深度学习、机器人学等。人工智能的官方定义是：计算机理论与发展能够执行通常需要人类智能的任务的系统，例如视觉感知、语音识别、决策制定和语言之间的翻译。根据麦肯锡全球研究所的一项研究，到2030年，人工智能预计每年将额外产生13万亿美元的收入。即使在今天，人工智能技术也能产生巨大的收入，但主要集中在软件领域。到2030年，人工智能创收领域将不仅仅局限于软件行业，还包括零售、旅游、交通、汽车、材料、制造等行业。人工智能和物联网的结合形成了一个新的、有趣的和独特的研究分支，即人工物联网或AIOT。由AI提供支持的物联网可以创建智能机器，这些机器可以模拟智能行为，同时在几乎没有或没有人为干预的情况下提高决策能力。通过将人工智能集成到像树莓派和NvidiaJetsonNano这样的嵌入式物联网设备中，我们可以开发出一些高利润和造福于整个社会的杰作。Alexa、Siri或GoogleAI等虚拟助手的一些例子展示了先进的智能和未来的可能性。如何开始？1.ArduinoArduino是一块由ATmega微控制器组成的开发板。这是启动机器人和物联网项目的最佳方式之一。Arduino是一家开源硬件和软件公司，爱好者、修补匠和专业人士都可以使用它来构建令人惊叹的创新项目。根据我的经验，Arduino绝对是实现您的机器人梦想的最佳方式之一，因为它比其他微控制器更易于操作。Arduino有各种规格和尺寸，即ArduinoNano、ArduinoUno和Arduinomega。Nano是一块较小的板，可用于更简单、更独特的项目；Uno是中型的，非常适合试验和爱好者级别的项目；对于稍微复杂的项目和场景，Mega更大一些。在我看来，Arduino是启动任何类型的物联网项目的最佳方式。使用Arduino对学习设备等一些基础项目进行传感器控制和管理，对于在该领域追求更多创意非常有益。一开始很容易学习，因为它主要是C和C++等编程语言的混合体。作为初学者，主要有两块代码需要担心，设置和循环功能块。因此，最初建议先试用ArduinoUno开发板，然后再转向更复杂的嵌入式设备。资料来源：unsplash2。RaspberryPiRaspberryPi是一款单板计算机，是开始计算和编程的绝佳方式。RaspberryPi提供了许多在分支中创建很酷的项目的机会，例如计算机视觉、游戏、IoT项目等。借助摄像头，RaspberryPi甚至可以用于物体检测、面部识别和监视等任务。如果你想开始学习编程、编码，RaspberryPi是最便宜也是最好的方式。它也可供中级业余爱好者或专家用于更高级的项目。使用RaspberryPi和RaspbianOS等操作系统进行编程的好处在于，您可以使用多种编程语言，包括Python。Thony编辑器是OS操作系统预装的程序，可以在其中编写python代码。所有用RaspberryPi编写的程序，包括机器学习和深度学习程序，都可以轻松部署。还可以在树莓派上添加摄像头、音频设备等外部配件，并对其进行控制，以执行视频监控、人脸识别等实时计算机视觉任务。3.NvidiaJetsonNanoNVIDIAJetsonNano是机器人领域人工智能相关操作的最佳工具之一，比RaspberryPi略贵，但计算能力更强。NVIDIA表示：NVIDIAJetsonNano支持开发数以百万计的新型小型低功耗人工智能系统，开启了嵌入式物联网应用的新世界，包括入门级网络录像机、家庭机器人和具有完整分析功能的智能网关。NVIDIA开发套件允许用户运行许多神经网络操作，包括图像分类、分割、对象检测、语音处理等。尽管NvidiaJetsonNano比RaspberryPi贵一点，但它具有相对更好的功能，是开发中高级项目的良好起点。如前所述，它功能强大，可以执行各种任务。在我看来，这些是使用AIOT的最佳设备。当然，对于开发有效的模型，嵌入式设备还有许多其他很好的选择和选择。本文涵盖的最后一个主题至关重要，它将涵盖机器学习和深度学习模型的训练后量化，以便在GPU容量较低的嵌入式设备上运行复杂程序。在具有训练后量化的系统上高效运行的模型可能无法在低端设备上高效运行相同的程序/模型。这可能是由于目标设备的硬件限制。在这方面，训练后量化可以帮助改进针对目标设备的算法和模型的优化。训练后量化是一种转换技术，它可以减小模型大小，同时还可以改善CPU和硬件加速器延迟，同时几乎不会损失模型精度。使用TensorFlowLiteConverter将经过训练的浮点TensorFlow模型转换为TensorFlowLite格式时，您可以对其进行量化。TensorFlowLite转换器在RaspberryPi等设备上非常有用，可以优化对象检测模型、人脸识别模型等。对象检测项目可以使用TensorFlowLite进行优化，并且它在Android或Apple设备上也能很好地工作。在探索这些模型时，模型的训练后分析和训练后量化对于提高效率、质量和紧凑性至关重要，以便将项目部署到更广泛的受众，如果您真的想将它们转化为可以从中受益的真实用例每个人。变得极其重要。训练后量化还使我们能够在量化模型上实现与原始模型几乎相同的精度，让我们的生活变得更加轻松！AIoT在未来几年的影响将是惊人的，未来还会出现新的发明让我兴奋不已。你打算建设什么样的项目来迎接这样的未来？
