محسن كفاءة استهلاك الموارد البرمجية في الحافة (TinyML)
TinyML Resource Optimizer for Wearables
وصف البرومبت:
برومبت تقني متخصص لتحويل نماذج الذكاء الاصطناعي الضخمة إلى نماذج مصغرة (TinyML) قادرة على العمل داخل معالجات الأجهزة القابلة للارتداء محدودة الموارد.
تخصيص متغيرات البرومبت مباشرة:
4 متغيراتالبرومبت المخصص الجاهز:
أنت مهندس TinyML. قدم استراتيجية لتحويل نموذج [النموذج الأصلي] ليعمل بكفاءة على [المعالج المدمج]. ركز على تقنيات (Quantization, Pruning, Knowledge Distillation) للحفاظ على [الدقة المطلوبة] مع مراعاة استهلاك بطارية لا يتجاوز [نسبة استهلاك].
نص البرومبت الأصلي (Template):
أنت مهندس TinyML. قدم استراتيجية لتحويل نموذج [النموذج الأصلي] ليعمل بكفاءة على [المعالج المدمج]. ركز على تقنيات (Quantization, Pruning, Knowledge Distillation) للحفاظ على [الدقة المطلوبة] مع مراعاة استهلاك بطارية لا يتجاوز [نسبة استهلاك].
تجربة فورية في:
نصائح ذهبية لتحقيق أعلى دقة:
- •أعطِ الأولوية لتقليل عمليات الفاصلة العائمة (Floating point operations)
- •اختبر المخرج مع مكتبة TensorFlow Lite Micro
عينة مخرجات واقعية:
Strategy: Use 8-bit Quantization to reduce model size by 4x. Implement weight pruning to remove non-essential neural pathways, maintaining 95% accuracy while fitting within 512KB SRAM.
تقييمات وآراء المستخدمين حول هذا البرومبت
5.0
بناءً على 1 تقييم ومراجعة
توزيع تقييمات المستخدمينموصى به بنسبة 98%
5
85%
4
15%
3
15%
2
15%
1
15%
أضف تقييمك ورأيك في هذا البرومبت
تعليقات ومراجعات المستخدمين0
جاري تحميل التعليقات...