آموزش مدلهای هوش مصنوعی روی دستگاههای کوچک همیشه به دلیل محدودیتهای پردازشی و مصرف انرژی یک چالش بزرگ بوده است. محققان در مطالعه جدید خود، راهکاری ارائه دادهاند که با استفاده از شتابدهنده سختافزاری Hailo-8L، فرآیند یادگیری و تطبیق مدلها را روی سختافزارهای محدود بسیار کارآمدتر میکند.
💡 نکته کلیدی این روش، تقسیم پردازش است: بخش سنگین مدل (Backbone) روی شتابدهنده اجرا میشود و تنها بخش سبکِ طبقهبندی روی CPU قرار میگیرد. این کار باعث شده سرعت آموزش تا ۱۵ برابر بیشتر از پردازندههای معمولی مثل Raspberry Pi 5 شود و مصرف انرژی نیز به شدت کاهش یابد.
این دستاورد خبر خوبی برای آینده دستگاههای هوشمند و شخصیسازی مدلها بدون نیاز به ابرپردازندههاست.
🔗 کد پروژه: https://github.com/MatPiech/accelerator-training
منبع: arXiv Machine Learning