{"id":323876,"date":"2021-05-27T15:01:23","date_gmt":"2021-05-27T15:01:23","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=323876"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=323876","title":{"rendered":"TinyML. \u0421\u0436\u0438\u043c\u0430\u0435\u043c \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c"},"content":{"rendered":"\n<div class=\"post__text post__text_v2\" id=\"post-content-body\">\n<p>\u0421\u0435\u0439\u0447\u0430\u0441 \u043f\u0435\u0440\u0435\u0434 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0438\u0441\u0442\u0430\u043c\u0438 \u0441\u0442\u043e\u0438\u0442 \u0441\u043b\u043e\u0436\u043d\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430 &#8212; \u043a\u0430\u043a \u0432\u043d\u0435\u0434\u0440\u0438\u0442\u044c \u0442\u0430\u043a\u0443\u044e \u0433\u0440\u043e\u043c\u043e\u0437\u0434\u043a\u0443\u044e \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0443, \u043a\u0430\u043a \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0430\u044f \u0441\u0435\u0442\u044c &#8212; \u0432, \u0434\u043e\u043f\u0443\u0441\u0442\u0438\u043c, \u0431\u0440\u0430\u0441\u043b\u0435\u0442? \u041a\u0430\u043a \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u044d\u043d\u0435\u0440\u0433\u043e\u043f\u043e\u0442\u0440\u0435\u0431\u043b\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438? \u041a\u0430\u043a\u043e\u0432\u0430 \u0446\u0435\u043d\u0430 \u0442\u0430\u043a\u0438\u0445 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438, \u0430 \u0442\u0430\u043a\u0436\u0435 \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043e\u0431\u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043e \u0432\u043d\u0435\u0434\u0440\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0432 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0438\u0435 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0430, \u0438 \u043f\u043e\u0447\u0435\u043c\u0443 \u0431\u0435\u0437 \u044d\u0442\u043e\u0433\u043e \u043d\u0435\u043b\u044c\u0437\u044f \u043e\u0431\u043e\u0439\u0442\u0438\u0441\u044c.<\/p>\n<figure class=\"float full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/1ee\/2b6\/693\/1ee2b66936139654964fcef9a200878c.jpg\" width=\"3962\" height=\"2859\"><figcaption><\/figcaption><\/figure>\n<h2>\u0410 \u0432 \u0447\u0435\u043c \u043f\u043e\u043b\u044c\u0437\u0430?<\/h2>\n<p>\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043c \u0434\u043e\u0440\u043e\u0433\u043e\u0439 \u043f\u0440\u043e\u043c\u044b\u0448\u043b\u0435\u043d\u043d\u044b\u0439 \u0441\u0435\u043d\u0441\u043e\u0440 &#8212; 1000 \u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u0439 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443, \u0442\u0435\u043c\u043f\u0435\u0440\u0430\u0442\u0443\u0440\u043d\u044b\u0439 \u0434\u0430\u0442\u0447\u0438\u043a, \u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u0435 \u0432\u0438\u0431\u0440\u0430\u0446\u0438\u0439, \u043f\u0435\u0440\u0435\u0434\u0430\u0447\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0430 10 \u043a\u043c, \u043c\u043e\u0449\u043d\u044b\u0439 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u043e\u0440 &#8212; 20 \u043c\u043b\u043d \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443! \u0415\u0433\u043e \u0440\u0430\u0431\u043e\u0442\u0430 \u044d\u0442\u043e \u043f\u043e\u0441\u044b\u043b\u0430\u0442\u044c \u043d\u0430 \u0441\u0435\u0440\u0432\u0435\u0440 \u0434\u0430\u043d\u043d\u044b\u0435 \u043e \u0442\u0435\u043c\u043f\u0435\u0440\u0430\u0442\u0443\u0440\u0435,&nbsp;\u0432\u0438\u0431\u0440\u0430\u0446\u0438\u0438,&nbsp;\u0430 \u0442\u0430\u043a\u0436\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0434\u0440\u0443\u0433\u0438\u0445 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0434\u043b\u044f \u043f\u0440\u0435\u0434\u0443\u043f\u0440\u0435\u0436\u0434\u0435\u043d\u0438\u044f&nbsp;\u043f\u043e\u043b\u043e\u043c\u043e\u043a\u043e\u0431\u043e\u0440\u0443\u0434\u043e\u0432\u0430\u043d\u0438\u044f. \u041d\u043e \u0432\u043e\u0442&nbsp;\u043d\u0435\u0437\u0430\u0434\u0430\u0447\u0430&nbsp;&#8212; 99% \u043f\u043e\u0441\u044b\u043b\u0430\u0435\u043c\u044b\u0445 \u0438\u043c \u0434\u0430\u043d\u043d\u044b\u0445 \u0431\u0435\u0441\u043f\u043e\u043b\u0435\u0437\u043d\u0430, \u043e\u0442 \u043d\u0435\u0451 &#8212; \u0447\u0438\u0441\u0442\u044b\u0439 \u0443\u0431\u044b\u0442\u043e\u043a \u0437\u0430 \u044d\u043b\u0435\u043a\u0442\u0440\u0438\u0447\u0435\u0441\u0442\u0432\u043e. \u0410 \u0442\u0430\u043a\u0438\u0445 \u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u043d\u0430 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0441\u0442\u0432\u0435 \u043c\u043e\u0433\u0443\u0442 \u0431\u044b\u0442\u044c \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0438 \u0441\u043e\u0442\u043d\u0438.&nbsp;<\/p>\n<p>\u0412 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 \u043d\u0430\u0441 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u0443\u044e\u0442 \u043d\u0435 \u0441\u0430\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u0435 \u0441 \u044d\u0442\u043e\u0433\u043e \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0430, \u0430 \u0438\u043d\u0441\u0430\u0439\u0434\u044b \u0438\u0437 \u043d\u0438\u0445 &#8212; \u0432\u0441\u0451 \u043b\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442&nbsp;\u0432 \u0448\u0442\u0430\u0442\u043d\u043e\u043c \u0440\u0435\u0436\u0438\u043c\u0435? \u041d\u0435\u0442 \u043b\u0438 \u0430\u0432\u0430\u0440\u0438\u0439\u043d\u044b\u0445 \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u0439? \u0411\u044b\u0442\u044c \u043c\u043e\u0436\u0435\u0442, \u0432\u0441\u043a\u043e\u0440\u0435 \u043f\u043e\u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0440\u0435\u043c\u043e\u043d\u0442? \u0422\u0430\u043a \u043f\u043e\u0447\u0435\u043c\u0443 \u0431\u044b \u043d\u0435&nbsp;\u0437\u0430\u0434\u0435\u043f\u043b\u043e\u0438\u0442\u044c&nbsp;\u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0443&nbsp;\u043d\u0430 \u0441\u0430\u043c \u0434\u0430\u0442\u0447\u0438\u043a, \u0438 \u0432\u043c\u0435\u0441\u0442\u043e \u0431\u0435\u0441\u043a\u043e\u043d\u0435\u0447\u043d\u043e\u0433\u043e \u043f\u043e\u0442\u043e\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u043b\u0438\u0448\u044c \u0438\u043d\u043e\u0433\u0434\u0430 \u043f\u043e\u0441\u044b\u043b\u0430\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b\u044b &#171;\u0412\u0441\u0451 \u0432 \u043f\u043e\u0440\u044f\u0434\u043a\u0435&#187; \u0438\u043b\u0438 &#171;\u0410\u043d\u043e\u043c\u0430\u043b\u0438\u0438 \u0432 \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044f\u0445!&#187; \u0412\u043e\u0442 \u0438\u043c\u0435\u043d\u043d\u043e \u044d\u0442\u0438\u043c \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u043c \u0438 \u0437\u0430\u043d\u0438\u043c\u0430\u0435\u0442\u0441\u044f&nbsp;TinyML.<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/98f\/b0e\/1cb\/98fb0e1cb641ce4818bc25d44e4c3c0d.png\" alt=\"\u0412\u0438\u0434\u0438\u0442\u0435 \u0432 \u0441\u0435\u0440\u0435\u0434\u0438\u043d\u0435 \u043e\u0447\u0435\u043d\u044c \u0441\u0442\u0440\u0430\u043d\u043d\u044b\u0439 \u043f\u0438\u043a? \u0414\u0430\u0436\u0435 \u0441\u043b\u0435\u0434\u044f\u0449\u0435\u043c\u0443 \u0437\u0430 \u043f\u043e\u043a\u0430\u0437\u0430\u043d\u0438\u044f\u043c\u0438 \u043f\u0440\u0438\u0431\u043e\u0440\u043e\u0432 \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0443 \u0442\u044f\u0436\u0435\u043b\u043e \u0435\u0433\u043e \u0437\u0430\u043c\u0435\u0442\u0438\u0442\u044c, \u0430 \u0432\u043e\u0442 \u041c\u041b \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043f\u0440\u0430\u0432\u0438\u0442\u0441\u044f \u0441 \u044d\u0442\u0438\u043c \u043b\u0435\u0433\u043a\u043e, \u0438 &quot;\u043d\u0435 \u043f\u0440\u043e\u043c\u043e\u0440\u0433\u0430\u0435\u0442&quot; \u043c\u043e\u043c\u0435\u043d\u0442\" title=\"\u0412\u0438\u0434\u0438\u0442\u0435 \u0432 \u0441\u0435\u0440\u0435\u0434\u0438\u043d\u0435 \u043e\u0447\u0435\u043d\u044c \u0441\u0442\u0440\u0430\u043d\u043d\u044b\u0439 \u043f\u0438\u043a? \u0414\u0430\u0436\u0435 \u0441\u043b\u0435\u0434\u044f\u0449\u0435\u043c\u0443 \u0437\u0430 \u043f\u043e\u043a\u0430\u0437\u0430\u043d\u0438\u044f\u043c\u0438 \u043f\u0440\u0438\u0431\u043e\u0440\u043e\u0432 \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0443 \u0442\u044f\u0436\u0435\u043b\u043e \u0435\u0433\u043e \u0437\u0430\u043c\u0435\u0442\u0438\u0442\u044c, \u0430 \u0432\u043e\u0442 \u041c\u041b \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043f\u0440\u0430\u0432\u0438\u0442\u0441\u044f \u0441 \u044d\u0442\u0438\u043c \u043b\u0435\u0433\u043a\u043e, \u0438 &quot;\u043d\u0435 \u043f\u0440\u043e\u043c\u043e\u0440\u0433\u0430\u0435\u0442&quot; \u043c\u043e\u043c\u0435\u043d\u0442\" width=\"1204\" height=\"148\"><figcaption>\u0412\u0438\u0434\u0438\u0442\u0435 \u0432 \u0441\u0435\u0440\u0435\u0434\u0438\u043d\u0435 \u043e\u0447\u0435\u043d\u044c \u0441\u0442\u0440\u0430\u043d\u043d\u044b\u0439 \u043f\u0438\u043a? \u0414\u0430\u0436\u0435 \u0441\u043b\u0435\u0434\u044f\u0449\u0435\u043c\u0443 \u0437\u0430 \u043f\u043e\u043a\u0430\u0437\u0430\u043d\u0438\u044f\u043c\u0438 \u043f\u0440\u0438\u0431\u043e\u0440\u043e\u0432 \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0443 \u0442\u044f\u0436\u0435\u043b\u043e \u0435\u0433\u043e \u0437\u0430\u043c\u0435\u0442\u0438\u0442\u044c, \u0430 \u0432\u043e\u0442 \u041c\u041b \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043f\u0440\u0430\u0432\u0438\u0442\u0441\u044f \u0441 \u044d\u0442\u0438\u043c \u043b\u0435\u0433\u043a\u043e, \u0438 &#171;\u043d\u0435 \u043f\u0440\u043e\u043c\u043e\u0440\u0433\u0430\u0435\u0442&#187; \u043c\u043e\u043c\u0435\u043d\u0442<\/figcaption><\/figure>\n<p>\u0412\u0441\u0451 \u043a\u0440\u0443\u0442\u0438\u0442\u0441\u044f \u0432\u043e\u043a\u0440\u0443\u0433 \u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u0431\u044b \u043d\u0430\u043c \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u0443\u0436\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c, \u0447\u0442\u043e\u0431\u044b \u043e\u043d\u0430 \u0432\u043b\u0435\u0437\u043b\u0430 \u0432 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0435 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u043e. \u0412 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 &#171;\u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0430&#187; \u0441\u043e\u0439\u0434\u0435\u0442 \u0432\u0441\u0451: \u0447\u0430\u0439\u043d\u0438\u043a, \u043f\u0440\u043e\u043c\u044b\u0448\u043b\u0435\u043d\u043d\u044b\u0439 \u0441\u0435\u043d\u0441\u043e\u0440, \u0443\u0442\u044e\u0433, \u0442\u0435\u043b\u0435\u0444\u043e\u043d, \u0431\u0440\u0430\u0441\u043b\u0435\u0442 \u0438 \u0442.\u0434. <\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/143\/ef7\/183\/143ef718362f80f30886b278f46c62a7.png\" alt=\"\u0412 \u043e\u0442\u043b\u0438\u0447\u0438\u0435 \u043e\u0442 \u043e\u0431\u043b\u0430\u0447\u043d\u043e\u0433\u043e, embedded (&quot;\u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u044b\u0439&quot;) AI  \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043d\u0430 \u0441\u0430\u043c\u043e\u043c \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0435\" title=\"\u0412 \u043e\u0442\u043b\u0438\u0447\u0438\u0435 \u043e\u0442 \u043e\u0431\u043b\u0430\u0447\u043d\u043e\u0433\u043e, embedded (&quot;\u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u044b\u0439&quot;) AI  \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043d\u0430 \u0441\u0430\u043c\u043e\u043c \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0435\" width=\"627\" height=\"353\"><figcaption>\u0412 \u043e\u0442\u043b\u0438\u0447\u0438\u0435 \u043e\u0442 \u043e\u0431\u043b\u0430\u0447\u043d\u043e\u0433\u043e, embedded (&#171;\u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u044b\u0439&#187;) AI  \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043d\u0430 \u0441\u0430\u043c\u043e\u043c \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0435<\/figcaption><\/figure>\n<h2>\u041f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0430 \u043f\u043e\u0434\u0445\u043e\u0434\u0430<\/h2>\n<p>\u0412\u043e-\u043f\u0435\u0440\u0432\u044b\u0445 &#8212; \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u044f \u0440\u0435\u0441\u0443\u0440\u0441\u043e\u0432. \u0422\u0430\u043a \u043a\u0430\u043a \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e\u0439 \u0441\u0432\u044f\u0437\u0438 \u0441 \u0441\u0435\u0440\u0432\u0435\u0440\u043e\u043c \u043d\u0435 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f, \u044d\u0442\u043e \u0432\u0435\u0441\u043e\u043c\u043e \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u0442 \u044d\u043b\u0435\u043a\u0442\u0440\u043e\u044d\u043d\u0435\u0440\u0433\u0438\u044e, \u0432\u0435\u0434\u044c \u043c\u043e\u0436\u043d\u043e \u043e\u0431\u043e\u0439\u0442\u0438\u0441\u044c \u0431\u0435\u0437 \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e\u0433\u043e \u043f\u043e\u0434\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u044f \u043a WiFi, Bluetooth \u0438 \u0442\u0430\u043a \u0434\u0430\u043b\u0435\u0435.<\/p>\n<p>\u0412\u043e-\u0432\u0442\u043e\u0440\u044b\u0445 &#8212; \u0431\u044b\u0441\u0442\u0440\u0430\u044f \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u044b. \u041f\u0435\u0440\u0435\u043a\u0430\u0447\u0438\u0432\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0430 \u0441\u0435\u0440\u0432\u0435\u0440 &#8212; \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0434\u043e\u043b\u0433\u043e, \u043a\u043e\u0433\u0434\u0430 \u043d\u0443\u0436\u0435\u043d \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 &#171;\u0437\u0434\u0435\u0441\u044c \u0438 \u043d\u0435\u043c\u0435\u0434\u043b\u0435\u043d\u043d\u043e&#187;. <\/p>\n<p>\u0412-\u0442\u0440\u0435\u0442\u044c\u0438\u0445 &#8212; \u044d\u0442\u043e \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u044f \u043d\u0430 \u043e\u0431\u043b\u0430\u0447\u043d\u044b\u0445 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f\u0445. \u0412 \u043e\u0431\u043b\u0430\u0447\u043d\u043e\u043c \u043f\u043e\u0434\u0445\u043e\u0434\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u043e\u0442\u043e\u0441\u043b\u0430\u0442\u044c \u043d\u0430 \u0441\u0435\u0440\u0432\u0435\u0440 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438, \u043d\u043e \u0438 \u0434\u043b\u044f \u043f\u0440\u0435\u0434\u0438\u043a\u0442\u0430. \u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u044c\u0442\u0435, \u0447\u0442\u043e \u0434\u043b\u044f \u043f\u0440\u0438\u043b\u043e\u0436\u0435\u043d\u0438\u044f \u0437\u0430\u043c\u0435\u043d\u044b \u043b\u0438\u0446\u0430 \u043d\u0430 \u0432\u0430\u0448\u0435\u043c \u0442\u0435\u043b\u0435\u0444\u043e\u043d\u0435 \u0431\u0443\u0434\u0435\u0442 \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u0442\u044c\u0441\u044f \u0441\u0432\u044f\u0437\u044c \u0441 \u0438\u043d\u0442\u0435\u0440\u043d\u0435\u0442\u043e\u043c, \u043a\u0430\u043a \u0432 \u0441\u043b\u0443\u0447\u0430\u0435 \u0441 \u043d\u0430\u0432\u0438\u0433\u0430\u0442\u043e\u0440\u043e\u043c&#8230; \u0412\u0435\u0441\u044c\u043c\u0430 \u043d\u0435\u0443\u0434\u043e\u0431\u043d\u043e \u0438 \u0437\u0430\u0442\u0440\u0430\u0442\u043d\u043e. \u0421\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0442\u0430\u043a\u0438\u0435 \u0442\u0435\u0445\u043d\u043e\u043b\u043e\u0433\u0438\u0438 \u0443\u0436\u0435 \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u044b \u0432 \u043d\u0430\u0448 \u0442\u0435\u043b\u0435\u0444\u043e\u043d (\u0430 \u044d\u0442\u043e &#8212; \u0440\u0430\u0431\u043e\u0442\u0430 TinyML).<\/p>\n<p>\u0412-\u0447\u0435\u0442\u0432\u0435\u0440\u0442\u044b\u0445 &#8212; \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u044c. \u041f\u043e\u0441\u044b\u043b\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435 \u043a\u0443\u0434\u0430-\u0442\u043e \u0432\u0441\u0435\u0433\u0434\u0430 \u0441\u0432\u044f\u0437\u0430\u043d\u043e \u0441 \u0440\u0438\u0441\u043a\u043e\u043c, \u0433\u043e\u0440\u0430\u0437\u0434\u043e \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u0435\u0435 \u043f\u043e\u043b\u0443\u0447\u0430\u0442\u044c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0443\u0436\u0435 \u043d\u0430 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0435, \u0430 \u0441 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0430 \u043f\u043e\u0441\u044b\u043b\u0430\u0442\u044c \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0435\u0434\u0438\u043a\u0442.<\/p>\n<p>\u0412-\u043f\u044f\u0442\u044b\u0445 &#8212; \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u044b \u0441\u0430\u043c\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0445 \u0441\u0435\u0442\u0435\u0439 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u0438\u0431\u043e \u0440\u0430\u0431\u043e\u0442\u0430 \u0441 int \u0432\u043d\u0443\u0442\u0440\u0438 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0438 \u0438\u0434\u0451\u0442 \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u0447\u0435\u043c \u0441 float &#8212; \u043e\u0431 \u044d\u0442\u043e\u043c \u0440\u0430\u0441\u0441\u043a\u0430\u0436\u0443 \u043d\u0438\u0436\u0435.<\/p>\n<h2>Quantization<\/h2>\n<p>\u0410 \u043f\u043e\u043c\u043e\u0447\u044c \u0437\u0430\u0441\u0443\u043d\u0443\u0442\u044c \u0436\u0438\u0440\u043d\u0443\u044e \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0443 \u0432 \u0445\u0443\u0434\u0435\u043d\u044c\u043a\u0438\u0439 \u0434\u0430\u0442\u0447\u0438\u043a \u043f\u043e\u043c\u043e\u0436\u0435\u0442 \u0442\u0430\u043a\u043e\u0439 \u0442\u0440\u044e\u043a, \u043a\u0430\u043a \u041a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u044f. \u0421\u0443\u0442\u044c \u043c\u0435\u0442\u043e\u0434\u0430 \u043f\u0440\u043e\u0441\u0442\u0430 &#8212; \u0430 \u0434\u0430\u0432\u0430\u0439\u0442\u0435 \u0441\u043e\u043a\u0440\u0430\u0442\u0438\u043c \u043c\u0435\u0441\u0442\u043e, \u0437\u0430\u043d\u0438\u043c\u0430\u0435\u043c\u043e\u0435 \u0447\u0438\u0441\u043b\u0430\u043c\u0438 \u0432 \u043f\u0430\u043c\u044f\u0442\u0438. \u041e\u0431\u044b\u0447\u043d\u044b\u0435  \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u0442\u0430\u043a\u043e\u0439 \u0442\u0438\u043f \u0434\u0430\u043d\u043d\u044b\u0445, \u043a\u0430\u043a \u0442\u043e\u043b\u0441\u0442\u044b\u0439 32 \u0431\u0438\u0442\u043d\u044b\u0439 \u0444\u043b\u043e\u0430\u0442. \u0427\u0442\u043e \u0431\u0443\u0434\u0435\u0442, \u0435\u0441\u043b\u0438 \u043c\u044b \u0437\u0430\u043c\u0435\u043d\u0438\u043c \u0438\u0445 \u043d\u0430 \u0445\u0443\u0434\u044b\u0435 8 \u0431\u0438\u0442\u043d\u044b\u0435 \u0438\u043d\u0442\u044b? \u041c\u0435\u0441\u0442\u0430 \u0437\u0430\u043d\u0438\u043c\u0430\u0442\u044c \u043e\u043d\u0438 \u0441\u0442\u0430\u043d\u0443\u0442 \u043c\u0435\u043d\u044c\u0448\u0435, \u043d\u043e \u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0443\u043f\u0430\u0434\u0451\u0442.  <\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/e50\/b34\/537\/e50b345375139af31d505f52e134edcc.jpg\" width=\"4215\" height=\"2666\"><figcaption><\/figcaption><\/figure>\n<p>\u041d\u0435\u0434\u043e\u0441\u0442\u0438\u0436\u0438\u043c\u0430\u044f \u043c\u0435\u0447\u0442\u0430 &#8212; \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c 1 \u0431\u0438\u0442. \u0422\u043e\u0433\u0434\u0430 \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u043c \u0433\u0438\u0433\u0430\u043d\u0442\u0441\u043a\u0438\u0439 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u0432 \u0440\u0430\u0437\u043c\u0435\u0440\u0435. \u0416\u0430\u043b\u044c, \u0447\u0442\u043e \u044d\u0442\u043e \u043d\u0435\u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e. <\/p>\n<p>\u0418\u043b\u0438 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e? \u0411\u0438\u043d\u0430\u0440\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u0441\u0432\u0451\u0440\u0442\u043e\u0447\u043d\u044b\u0435 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0435 \u0441\u0435\u0442\u0438 \u043a \u0432\u0430\u0448\u0438\u043c \u0443\u0441\u043b\u0443\u0433\u0430\u043c. \u041f\u043e\u0447\u0438\u0442\u0430\u0442\u044c \u043e \u043d\u0438\u0445 \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u0435\u0435 \u043c\u043e\u0436\u043d\u043e <a href=\"https:\/\/arxiv.org\/abs\/1602.02830\">\u0437\u0434\u0435\u0441\u044c<\/a>.<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/fdb\/b7c\/bb4\/fdbb7cbb4e0d825af03d22cbf0b032bb.jpg\" alt=\"\u041f\u0435\u0440\u0435\u043c\u043d\u043e\u0436\u0435\u043d\u0438\u0435 \u043c\u0430\u0442\u0440\u0438\u0446 \u0432 \u044d\u0442\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 &quot;\u043d\u0435\u043c\u043d\u043e\u0433\u043e&quot; \u043f\u043e \u0434\u0440\u0443\u0433\u043e\u043c\u0443\" title=\"\u041f\u0435\u0440\u0435\u043c\u043d\u043e\u0436\u0435\u043d\u0438\u0435 \u043c\u0430\u0442\u0440\u0438\u0446 \u0432 \u044d\u0442\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 &quot;\u043d\u0435\u043c\u043d\u043e\u0433\u043e&quot; \u043f\u043e \u0434\u0440\u0443\u0433\u043e\u043c\u0443\" width=\"3806\" height=\"2623\"><figcaption>\u041f\u0435\u0440\u0435\u043c\u043d\u043e\u0436\u0435\u043d\u0438\u0435 \u043c\u0430\u0442\u0440\u0438\u0446 \u0432 \u044d\u0442\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 &#171;\u043d\u0435\u043c\u043d\u043e\u0433\u043e&#187; \u043f\u043e \u0434\u0440\u0443\u0433\u043e\u043c\u0443<\/figcaption><\/figure>\n<h2>\u041e\u0442 \u0442\u0435\u043e\u0440\u0438\u0438 \u043a \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435<\/h2>\n<p>\u0410 \u0442\u0435\u043f\u0435\u0440\u044c, \u0434\u0430\u0431\u044b \u0431\u044b\u043b\u043e \u0437\u0430\u0434\u043e\u0440\u043d\u0435\u0435, \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u043a\u043e\u0434\u0430. \u0421\u0434\u0435\u043b\u0430\u0435\u043c \u043f\u0440\u043e\u0441\u0442\u0435\u0439\u0448\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c, \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0449\u0443\u044e \u0441\u0438\u043d\u0443\u0441 \u0447\u0438\u0441\u043b\u0430.<\/p>\n<pre><code class=\"python\"># \u0413\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u043d\u0430\u0448\u0435\u0439 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0438 x_values = np.random.uniform(     low=0, high=2*math.pi, size=1000).astype(np.float32)  # \u041f\u0435\u0440\u0435\u043c\u0435\u0448\u0438\u0432\u0430\u0435\u043c np.random.shuffle(x_values)  y_values = np.sin(x_values).astype(np.float32)  # \u0414\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c \u0448\u0443\u043c, \u0447\u0442\u043e\u0431\u044b \u0431\u044b\u043b\u043e \"\u043a\u0430\u043a \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0439 \u0436\u0438\u0437\u043d\u0438\" y_values += 0.1 * np.random.randn(*y_values.shape)  plt.plot(x_values, y_values, 'b.') plt.show()<\/code><\/pre>\n<figure class=\"\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/4d0\/dbe\/f40\/4d0dbef4058933f08ce5dc9e41abdcb4.png\" width=\"380\" height=\"248\"><figcaption><\/figcaption><\/figure>\n<p>\u0414\u0430\u043d\u043d\u044b\u0435 \u0433\u043e\u0442\u043e\u0432\u044b. \u0422\u0435\u043f\u0435\u0440\u044c \u0434\u0435\u043b\u0438\u043c \u0438\u0445 \u043d\u0430 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043e\u0447\u043d\u0443\u044e, \u0442\u0435\u0441\u0442\u043e\u0432\u0443\u044e \u0438 \u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u043e\u043d\u043d\u0443\u044e \u0432\u044b\u0431\u043e\u0440\u043a\u0443 (\u044d\u0442\u0443 \u0438 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0434\u0440\u0443\u0433\u0438\u0435 \u0447\u0430\u0441\u0442\u0438 \u043a\u043e\u0434\u0430 \u044f \u043f\u0440\u043e\u043f\u0443\u0449\u0443 \u0434\u043b\u044f \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u0438 \u0432\u0430\u0448\u0435\u0433\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438, \u043f\u043e\u043b\u043d\u044b\u0439 \u043d\u043e\u0443\u0442\u0431\u0443\u043a \u0441 \u043a\u043e\u0434\u043e\u043c \u0432\u043e\u0442 <a href=\"https:\/\/colab.research.google.com\/github\/tensorflow\/tensorflow\/blob\/master\/tensorflow\/lite\/micro\/examples\/hello_world\/train\/train_hello_world_model.ipynb#scrollTo=l4-WhtGpvb-E\">\u0442\u0443\u0442<\/a>).<\/p>\n<figure class=\"\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/190\/cc2\/1f9\/190cc21f96926949a12c7768c9daca54.png\" width=\"380\" height=\"248\"><figcaption><\/figcaption><\/figure>\n<p>\u0412\u0440\u0435\u043c\u044f \u0441\u0442\u0440\u043e\u0438\u0442\u044c \u043d\u0430\u0448\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0443!<\/p>\n<pre><code># \u0421\u043e\u0437\u0434\u0430\u0451\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0443\u044e \u0441\u0435\u0442\u044c model = tf.keras.Sequential()  model.add(keras.layers.Dense(16, activation='relu', input_shape=(1,)))  model.add(keras.layers.Dense(16, activation='relu'))  model.add(keras.layers.Dense(1))  model.compile(optimizer='adam', loss=\"mse\", metrics=[\"mae\"])  # \u0422\u0440\u0435\u043d\u0438\u0440\u0443\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c\u043a\u0443 history = model.fit(x_train, y_train, epochs=500, batch_size=64,                     validation_data=(x_validate, y_validate))  # \u0421\u043e\u0445\u0440\u0430\u043d\u044f\u0435\u043c model.save(MODEL_TF)<\/code><\/pre>\n<p>\u0422\u0435\u043f\u0435\u0440\u044c \u0434\u0430\u0432\u0430\u0439\u0442\u0435 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u0447\u0442\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u043e\u0441\u044c:<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/beb\/5c5\/509\/beb5c550908c805aad496bfeae30d4e1.png\" alt=\"\u041f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u043e\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0434\u043b\u044f \u043d\u0430\u0448\u0438\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0432\u043f\u043e\u043b\u043d\u0435 \u0441\u043e\u0439\u0434\u0435\u0442\" title=\"\u041f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u043e\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0434\u043b\u044f \u043d\u0430\u0448\u0438\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0432\u043f\u043e\u043b\u043d\u0435 \u0441\u043e\u0439\u0434\u0435\u0442\" width=\"707\" height=\"280\"><figcaption>\u041f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u043e\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0434\u043b\u044f \u043d\u0430\u0448\u0438\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0432\u043f\u043e\u043b\u043d\u0435 \u0441\u043e\u0439\u0434\u0435\u0442<\/figcaption><\/figure>\n<p>\u0418\u0442\u0430\u043a, \u043e\u0441\u043d\u043e\u0432\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0433\u043e\u0442\u043e\u0432\u0430. \u041d\u0430\u0441\u0442\u0430\u043b\u043e \u0432\u0440\u0435\u043c\u044f &#171;\u043f\u043e\u0441\u0436\u0438\u043c\u0430\u0442\u044c&#187; \u0435\u0451 \u0441\u0430\u043c\u044b\u043c\u0438 \u0440\u0430\u0437\u043d\u044b\u043c\u0438 \u0441\u043f\u043e\u0441\u043e\u0431\u0430\u043c\u0438. \u0410 \u043f\u043e\u043c\u043e\u0436\u0435\u0442 \u0432 \u044d\u0442\u043e\u043c \u043d\u0430\u043c TFLiteConverter, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u044b\u0439 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u044c\u043d\u043e \u0434\u043b\u044f \u043e\u0431\u043b\u0435\u0433\u0447\u0435\u043d\u0438\u044f \u0432\u0430\u0448\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u043a.<\/p>\n<pre><code class=\"python\"># \u041a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u0443\u0435\u043c \u043d\u0430\u0448\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0443 \u0432 \u0444\u043e\u0440\u043c\u0430\u0442 TensorFlow Lite  \u0411\u0415\u0417 \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u0438 converter = tf.lite.TFLiteConverter.from_saved_model(MODEL_TF) model_no_quant_tflite = converter.convert()  # \u0421\u043e\u0445\u0440\u0430\u043d\u044f\u0435\u043c open(MODEL_NO_QUANT_TFLITE, \"wb\").write(model_no_quant_tflite)  # \u041a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u0443\u0435\u043c \u043d\u0430\u0448\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0443 \u0432 \u0444\u043e\u0440\u043c\u0430\u0442 TensorFlow Lite \u0418\u0421\u041f\u041e\u041b\u042c\u0417\u0423\u042f \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u044e def representative_dataset():   for i in range(500):     yield([x_train[i].reshape(1, 1)])  converter.optimizations = [tf.lite.Optimize.DEFAULT]  # \u0417\u0430\u0434\u0430\u0435\u043c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b, \u043f\u043e \u043a\u043e\u0442\u043e\u0440\u043e\u043c \u0432 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0435 \u0432\u0441\u0451 \u0431\u0443\u0434\u0435\u0442 \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043e \u0432 int converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS_INT8] converter.inference_input_type = tf.int8 converter.inference_output_type = tf.int8  # \u0417\u0430\u0434\u0430\u0435\u043c \u0440\u0435\u043f\u0440\u0435\u0437\u0435\u043d\u0442\u0430\u0442\u0438\u0432\u043d\u044b\u0439 \u043d\u0430\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445, \u0447\u0442\u043e\u0431\u044b \u043e\u0431\u0435\u0441\u043f\u0435\u0447\u0438\u0442\u044c \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u0438 converter.representative_dataset = representative_dataset model_tflite = converter.convert()  open(MODEL_TFLITE, \"wb\").write(model_tflite)<\/code><\/pre>\n<p>\u0418\u0442\u043e\u0433\u043e \u0438\u043c\u0435\u0435\u043c \u0442\u0440\u0438 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0435 \u0441\u0435\u0442\u0438: \u043e\u0431\u044b\u0447\u043d\u0443\u044e, \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u0443\u044e TensorFlow Lite \u0431\u0435\u0437 \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u0438, \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u0443\u044e TensorFlow Lite \u0441 \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0435\u0439. \u0421\u0430\u043c\u043e\u0435 \u0432\u0440\u0435\u043c\u044f \u0441\u0440\u0430\u0432\u043d\u0438\u0442\u044c, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0436\u0435 \u043c\u0435\u0441\u0442\u0430 \u043e\u043d\u0438 \u0437\u0430\u043d\u0438\u043c\u0430\u044e\u0442.<\/p>\n<pre><code class=\"python\">pd.DataFrame.from_records(     [[\"TensorFlow\", f\"{size_tf} bytes\", \"\"],      [\"TensorFlow Lite\", f\"{size_no_quant_tflite} bytes \", f\"(reduced by {size_tf - size_no_quant_tflite} bytes)\"],      [\"TensorFlow Lite Quantized\", f\"{size_tflite} bytes\", f\"(reduced by {size_no_quant_tflite - size_tflite} bytes)\"]],      columns = [\"Model\", \"Size\", \"\"], index=\"Model\")<\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/0ab\/106\/76a\/0ab10676aabb976f036a6dee4f97e4ec.png\" width=\"685\" height=\"247\"><figcaption><\/figcaption><\/figure>\n<p>\u0418\u0442\u0430\u043a, \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u043f\u0435\u0440\u0432\u043e\u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0439 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u043e\u0439, \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0430\u0446\u0438\u044f \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e TensorFlow Lite \u0434\u0430\u0451\u0442 32% \u0432\u044b\u0438\u0433\u0440\u044b\u0448\u0430 \u0432 \u0440\u0430\u0437\u043c\u0435\u0440\u0435, \u0430 \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u044f \u0446\u0435\u043b\u044b\u0445 40% ! \u0412\u0435\u0441\u044c\u043c\u0430 \u0432\u043f\u0435\u0447\u0430\u0442\u043b\u044f\u044e\u0449\u0438\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442, \u043e\u0434\u043d\u0430\u043a\u043e, \u043a\u0430\u043a\u043e\u0439 \u0446\u0435\u043d\u043e\u0439 \u043c\u044b \u0435\u0433\u043e \u0434\u043e\u0441\u0442\u0438\u0433\u043b\u0438?<\/p>\n<figure class=\"\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/c60\/f93\/f7e\/c60f93f7e918deb5db2c1c16e2628257.png\" width=\"444\" height=\"240\"><figcaption><\/figcaption><\/figure>\n<p>\u041f\u043e\u0442\u0435\u0440\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043f\u043e\u0447\u0442\u0438 \u043d\u0435 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u0430, \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u043f\u043e\u0433\u0440\u0435\u0448\u043d\u043e\u0441\u0442\u0438. \u041d\u043e \u0441\u0442\u043e\u0438\u0442 \u0438\u043c\u0435\u0442\u044c \u0432\u0432\u0438\u0434\u0443, \u0447\u0442\u043e \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c \u0432\u0435\u0441\u044c\u043c\u0430 \u043f\u0440\u043e\u0441\u0442\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c\u043a\u0443 \u0434\u043b\u044f \u0442\u0435\u0441\u0442\u0430, \u043d\u0430 \u0431\u043e\u043b\u0435\u0435 \u043a\u0440\u0443\u043f\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043d\u0435 \u043d\u0430\u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043e\u043f\u0442\u0438\u043c\u0438\u0441\u0442\u0438\u0447\u043d\u044b\u043c!  <\/p>\n<h2>\u041a\u043e\u043d\u0432\u0435\u0440\u0442\u0430\u0446\u0438\u044f \u0432 \u0421 \u043a\u043e\u0434<\/h2>\n<p>\u0412\u0441\u0435 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u0435 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u043c\u044b \u0434\u0435\u043b\u0430\u043b\u0438 \u043d\u0430 Python \u0432 \u043d\u043e\u0443\u0442\u0431\u0443\u043a\u0435, \u043d\u043e \u0432\u0435\u0434\u044c \u043d\u0430\u0441 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u0443\u0435\u0442, \u043a\u0430\u043a \u0437\u0430\u0434\u0435\u043f\u043b\u043e\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440, \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e? \u0410 \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0441\u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u043a\u043e\u0434, \u0441 \u043a\u043e\u0442\u043e\u0440\u044b\u043c \u044d\u0442\u0438 \u0441\u0430\u043c\u0438 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440\u044b \u043f\u0440\u0438\u0432\u044b\u043a\u043b\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c. \u0412\u0410\u0416\u041d\u041e! \u041f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0439 \u043d\u0438\u0436\u0435 \u043a\u043e\u0434 \u044f \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u043b \u043d\u0430 Ubuntu, \u0435\u0441\u043b\u0438 \u0445\u043e\u0442\u0438\u0442\u0435 \u043f\u043e\u0434\u043e\u0431\u043d\u043e\u0435 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043d\u0430 Windows &#8212; \u043f\u0440\u0438\u0434\u0451\u0442\u0441\u044f \u0438\u0441\u043a\u0430\u0442\u044c \u043e\u0431\u0445\u043e\u0434\u043d\u044b\u0435 \u043f\u0443\u0442\u0438. <\/p>\n<pre><code class=\"python\"># \u0421\u0442\u0430\u0432\u0438\u043c xxd !apt-get update &amp;&amp; apt-get -qq install xxd # \u0410 \u0442\u0435\u043f\u0435\u0440\u044c \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u0443\u0435\u043c !xxd -i {MODEL_TFLITE} &gt; {MODEL_TFLITE_MICRO} # \u041c\u0435\u043d\u044f\u0435\u043c \u0438\u043c\u044f \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445 REPLACE_TEXT = MODEL_TFLITE.replace('\/', '_').replace('.', '_') !sed -i 's\/'{REPLACE_TEXT}'\/g_model\/g' {MODEL_TFLITE_MICRO} # \u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0433\u043b\u044f\u043d\u0435\u043c, \u0447\u0442\u043e \u0438\u0437 \u0441\u0435\u0431\u044f \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u0441\u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u0430\u044f \u0432 C \u043a\u043e\u0434 \u043c\u043e\u0434\u0435\u043b\u044c !cat {MODEL_TFLITE_MICRO}<\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/c97\/dd9\/aed\/c97dd9aed583020cabe2f55c7ff7aa2e.png\" alt=\"\" title=\"\" width=\"861\" height=\"340\"><figcaption><\/figcaption><\/figure>\n<p>\u042f \u0432\u0441\u0442\u0430\u0432\u0438\u043b \u043b\u0438\u0448\u044c \u043f\u0435\u0440\u0432\u044b\u0435 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0442\u0440\u043e\u043a \u0441\u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438, \u043e\u0434\u043d\u0430\u043a\u043e \u0432\u043e\u043e\u0431\u0449\u0435 \u0438\u0445 \u043e\u043a\u043e\u043b\u043e 400.<\/p>\n<h2>\u041a\u043e\u0434 \u043d\u0430 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440\u0435<\/h2>\n<p>\u041c\u043e\u0434\u0435\u043b\u044c \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c, \u0430 \u0442\u0435\u043f\u0435\u0440\u044c \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u043a\u0430\u043a \u0431\u0443\u0434\u0435\u0442 \u0432\u044b\u0433\u043b\u044f\u0434\u0435\u0442\u044c \u043d\u0430\u0448 \u0421 \u043a\u043e\u0434 \u043d\u0430, \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440\u0435. \u041f\u0435\u0440\u0435\u0434 \u0434\u0435\u043f\u043b\u043e\u0435\u043c \u043d\u0430 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440 \u043a\u043e\u0434 \u043c\u043e\u0436\u043d\u043e (\u0438 \u043d\u0443\u0436\u043d\u043e) \u0441\u043f\u0435\u0440\u0432\u0430 \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c \u043d\u0430 \u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u0435.  \u0421\u0440\u0430\u0437\u0443 \u0441\u043a\u0430\u0436\u0443, \u0447\u0442\u043e \u044f \u0432\u044b\u0446\u0435\u043f\u0438\u043b \u0442\u043e\u043b\u044c\u043a\u043e \u0441\u0430\u043c\u044b\u0435 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b\u0435 \u043a\u0443\u0441\u043a\u0438 \u043a\u043e\u0434\u0430, \u043e\u0434\u043d\u0430\u043a\u043e \u0435\u0441\u043b\u0438 \u0432\u044b \u0445\u043e\u0442\u0438\u0442\u0435 \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c \u0435\u0433\u043e \u043d\u0430 \u0441\u0432\u043e\u0435\u043c \u043a\u043e\u043c\u043f\u0435 &#8212; \u0442\u043e <a href=\"https:\/\/github.com\/tensorflow\/tensorflow\/blob\/master\/tensorflow\/lite\/micro\/examples\/hello_world\/hello_world_test.cc\">\u0432\u043e\u0442<\/a>.<\/p>\n<pre><code> \/\/ \u041e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u043c \u0432\u0445\u043e\u0434\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435, \u0430 \u0442\u0430\u043a\u0436\u0435 \u043e\u0436\u0438\u0434\u0430\u0435\u043c\u043e\u0435 \u0432\u044b\u0445\u043e\u0434\u043d\u043e\u0435     float x = 0.0f;   float y_true = sin(x);    \/\/ \u041b\u043e\u0433\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435   tflite::MicroErrorReporter micro_error_reporter;    \/\/ \u041f\u043e\u0434\u0442\u044f\u0433\u0438\u0432\u0430\u0435\u043c \u0440\u0430\u043d\u0435\u0435 \u0441\u043e\u0445\u0440\u0430\u043d\u0451\u043d\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c\u043a\u0443   const tflite::Model* model = ::tflite::GetModel(g_model);<\/code><\/pre>\n<p>\u0414\u0430\u043b\u0435\u0435 \u0432\u044b\u0434\u0435\u043b\u044f\u0435\u043c \u043c\u0435\u0441\u0442\u043e \u043d\u0430 \u043d\u0430\u0448\u0435\u043c \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0435. \u0421\u043a\u043e\u043b\u044c\u043a\u043e \u0435\u0433\u043e \u0432\u0437\u044f\u0442\u044c? \u041d\u0430 \u0441\u0430\u043c\u043e\u043c \u0434\u0435\u043b\u0435, \u0432\u043e\u043f\u0440\u043e\u0441 \u0440\u0435\u0448\u0430\u0435\u0442\u0441\u044f \u0432 \u043b\u043e\u0431: \u0431\u0435\u0440\u0435\u043c \u043d\u0435\u043a\u043e\u0435 \u0440\u0430\u043d\u0434\u043e\u043c\u043d\u043e\u0435, \u0440\u0430\u0437\u0443\u043c\u043d\u043e\u0435 \u0447\u0438\u0441\u043b\u043e. \u0415\u0441\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u043c\u0435\u0449\u0430\u0435\u0442\u0441\u044f \u0438 \u0432\u0441\u0451 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442- \u0445\u043e\u0440\u043e\u0448\u043e, \u043f\u0440\u043e\u0431\u0443\u0435\u043c \u0441\u043e\u043a\u0440\u0430\u0442\u0438\u0442\u044c \u043c\u0435\u0441\u0442\u043e. \u041f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u0442\u044c \u0441\u0435\u0439 \u043f\u0440\u043e\u0446\u0435\u0441\u0441, \u043f\u043e\u043a\u0430 \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u043d\u0435 \u043f\u0435\u0440\u0435\u0441\u0442\u0430\u043d\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c.<\/p>\n<p>\u041d\u0443 \u0438 \u043d\u0430\u043a\u043e\u043d\u0435\u0446, \u0432\u043e\u0442 \u0442\u0430\u043a \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435 \u0441\u0438\u043d\u0443\u0441\u0430 \u043d\u0430 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440\u0435:<\/p>\n<pre><code class=\"cpp\">  x = 5.f;   y_true = sin(x);   input-&gt;data.int8[0] = x \/ input_scale + input_zero_point;   interpreter.Invoke();   y_pred = (output-&gt;data.int8[0] - output_zero_point) * output_scale;   TF_LITE_MICRO_EXPECT_NEAR(y_true, y_pred, epsilon);<\/code><\/pre>\n<h2>Edge Impulse<\/h2>\n<p>\u041e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u0441\u0442\u043e\u0438\u0442 \u0443\u043f\u043e\u043c\u044f\u043d\u0443\u0442\u044c \u043f\u043b\u0430\u0442\u0444\u043e\u0440\u043c\u0443 Edge <a href=\"https:\/\/www.edgeimpulse.com\/\">Impulse<\/a> \u043e\u0442 \u0440\u0435\u0431\u044f\u0442, \u043f\u043b\u043e\u0442\u043d\u043e \u0437\u0430\u043d\u0438\u043c\u0430\u044e\u0449\u0438\u0445\u0441\u044f TinyML. <\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/3e2\/8bd\/4d0\/3e28bd4d0419998fd1cdd8fffcc430e8.png\" width=\"1024\" height=\"688\"><figcaption><\/figcaption><\/figure>\n<p>\u041e\u043d\u0430 \u0431\u0435\u0440\u0435\u0442 \u043d\u0430 \u0441\u0435\u0431\u044f \u043c\u043d\u043e\u0433\u043e \u0440\u0430\u0431\u043e\u0442\u044b \u043f\u043e \u0434\u0435\u043f\u043b\u043e\u044e \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043d\u0435\u043f\u043e\u0441\u0440\u0435\u0434\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043d\u0430 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440\u044b, \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0432\u0441\u0435\u0433\u043e \u043b\u0438\u0448\u044c \u043f\u043e\u0434\u043a\u043b\u044e\u0447\u0438\u0442\u044c \u043a\u0430\u043a\u0443\u044e \u043d\u0438\u0431\u0443\u0434\u044c \u0430\u0440\u0434\u0443\u0438\u043d\u043a\u0443 \u043a \u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u0443, \u0438 \u0432 \u043f\u0430\u0440\u0443 \u043a\u043b\u0438\u043a\u043e\u0432 \u043d\u0430\u043a\u0430\u0442\u0438\u0442\u044c \u043d\u0430 \u043d\u0435\u0451 \u043c\u043e\u0434\u0435\u043b\u044c\u043a\u0443. \u0421\u0430\u043c \u043d\u0435 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0441\u044f, \u0438 \u043d\u0435 \u0434\u0443\u043c\u0430\u044e, \u0447\u0442\u043e \u0447\u0442\u043e \u043d\u0438\u0431\u0443\u0434\u044c \u043e\u0447\u0435\u043d\u044c \u0441\u0435\u0440\u044c\u0435\u0437\u043d\u043e\u0435 \u043d\u0430 \u0435\u0451 \u0431\u0430\u0437\u0435 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u0441\u044f, \u043e\u0434\u043d\u0430\u043a\u043e \u0436\u0435\u043b\u0430\u044e\u0449\u0438\u043c \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u043f\u043e\u0438\u0433\u0440\u0430\u0442\u044c\u0441\u044f &#8212; \u0442\u043e\u0447\u043d\u043e \u0441\u044e\u0434\u0430.<\/p>\n<p>\u041d\u0443 \u0438 \u0432\u043c\u0435\u0441\u0442\u043e \u0437\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u044f &#8212; \u0442\u0435\u043c\u0430 \u0441 TinyML \u043d\u0430\u0431\u0438\u0440\u0430\u0435\u0442 \u043e\u0431\u043e\u0440\u043e\u0442\u044b. \u0412 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0441\u0444\u0435\u0440\u0430\u0445 (\u0431\u0440\u0430\u0441\u043b\u0435\u0442\u044b \u043e\u0442\u0441\u043b\u0435\u0436\u0438\u0432\u0430\u043d\u0438\u044f \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u043b\u044e\u0434\u0435\u0439 \u0441 \u0431\u043e\u043b\u044c\u043d\u044b\u043c \u0441\u0435\u0440\u0434\u0446\u0435\u043c, \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u0435 \u0440\u0430\u043a\u0430 \u044f\u0437\u044b\u043a\u0430 \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u043e\u0439 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 \u0441\u0435\u0442\u044c\u044e \u0447\u0435\u0440\u0435\u0437 \u0444\u043e\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u044e \u0438 \u0442.\u0434.) \u0443 \u043d\u0435\u0451 \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0435\u0442 \u0430\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432. \u0420\u043e\u0441\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u043f\u043e\u0434\u043e\u0431\u043d\u044b\u0445 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432 <a href=\"https:\/\/www.prnewswire.com\/news-releases\/edge-computing-market-is-projected-to-grow-from-2-485-36-million-in-2018-to-usd-8-854-78-million-by-2025--with-a-cagr-of-19-90--valuates-reports-301015459.html\">\u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u0443\u0435\u0442\u0441\u044f<\/a> \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 20% \u0432 \u0433\u043e\u0434, \u0430 \u0437\u043d\u0430\u0447\u0438\u0442, \u043e\u0431 \u044d\u0442\u043e\u0439 \u0442\u0435\u0445\u043d\u043e\u043b\u043e\u0433\u0438\u0438 \u043c\u044b \u0431\u0443\u0434\u0435\u043c \u0441\u043b\u044b\u0448\u0430\u0442\u044c \u0432\u0441\u0451 \u0447\u0430\u0449\u0435 \u0438 \u0447\u0430\u0449\u0435.<\/p>\n<p>\u0415\u0441\u043b\u0438 \u0445\u043e\u0442\u0438\u0442\u0435 \u0437\u043d\u0430\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435 \u043f\u043e \u0442\u0435\u043c\u0435, \u0442\u043e \u043f\u0440\u0438\u0441\u043e\u0435\u0434\u0438\u043d\u044f\u0439\u0442\u0435\u0441\u044c \u043a \u043d\u0430\u0448\u0435\u043c\u0443 NoML Community &#8212; <a href=\"https:\/\/t.me\/noml_community\">https:\/\/t.me\/noml_community<\/a>.<\/p>\n<h2>\u0421\u043f\u0438\u0441\u043e\u043a \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u043e\u0432<\/h2>\n<ul>\n<li>\n<p>\u041d\u043e\u0443\u0442\u0431\u0443\u043a \u0434\u043b\u044f \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438 <a href=\"https:\/\/colab.research.google.com\/github\/tensorflow\/tensorflow\/blob\/master\/tensorflow\/lite\/micro\/examples\/hello_world\/train\/train_hello_world_model.ipynb#scrollTo=l4-WhtGpvb-E\">https:\/\/colab.research.google.com\/github\/tensorflow\/tensorflow\/blob\/master\/tensorflow\/lite\/micro\/examples\/hello_world\/train\/train_hello_world_model.ipynb#scrollTo=l4-WhtGpvb-E<\/a><\/p>\n<\/li>\n<li>\n<p>\u041a\u043e\u0434 \u043d\u0430 \u0421 \u0434\u043b\u044f \u0434\u0435\u043f\u043b\u043e\u044f \u043c\u043e\u0434\u0435\u043b\u0438 <a href=\"https:\/\/github.com\/tensorflow\/tensorflow\/blob\/master\/tensorflow\/lite\/micro\/examples\/hello_world\/hello_world_test.cc\">https:\/\/github.com\/tensorflow\/tensorflow\/blob\/master\/tensorflow\/lite\/micro\/examples\/hello_world\/hello_world_test.cc<\/a><\/p>\n<\/li>\n<li>\n<p>\u0411\u0438\u043d\u0430\u0440\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u0441\u0432\u0451\u0440\u0442\u043e\u0447\u043d\u044b\u0435 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0435 \u0441\u0435\u0442\u0438 <a href=\"https:\/\/arxiv.org\/abs\/1602.02830\">https:\/\/arxiv.org\/abs\/1602.02830<\/a><\/p>\n<\/li>\n<li>\n<p>\u0421\u0430\u0439\u0442 \u043a\u043e\u043c\u044c\u044e\u043d\u0438\u0442\u0438 TinyML <a href=\"https:\/\/www.tinyml.org\/\">https:\/\/www.tinyml.org\/<\/a><\/p>\n<\/li>\n<li>\n<p>\u0421\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u044e\u0442\u0443\u0431 \u043a\u0430\u043d\u0430\u043b (\u0437\u0434\u0435\u0441\u044c \u0438 \u043e\u0431\u0437\u043e\u0440\u043d\u044b\u0435 \u0432\u0438\u0434\u0435\u043e, \u0438 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435 \u0442\u0435\u0445\u043d\u043e\u043b\u043e\u0433\u0438\u0438 \u0432 \u043f\u0440\u043e\u043c\u044b\u0448\u043b\u0435\u043d\u043d\u043e\u0441\u0442\u0438)  <a href=\"https:\/\/www.youtube.com\/channel\/UC9iWqvsWjhowkHWVJquHwkg\">https:\/\/www.youtube.com\/channel\/UC9iWqvsWjhowkHWVJquHwkg<\/a><\/p>\n<\/li>\n<li>\n<p>\u041f\u043b\u0430\u0442\u0444\u043e\u0440\u043c\u0430 \u0434\u043b\u044f \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u043a\u0438 Edge Impulse <a href=\"https:\/\/www.edgeimpulse.com\/\">https:\/\/www.edgeimpulse.com\/<\/a><\/p>\n<\/li>\n<li>\n<p>\u041a\u043d\u0438\u0433\u0430, \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u043f\u043e\u0441\u0432\u044f\u0449\u0435\u043d\u043d\u0430\u044f TinyML <a href=\"https:\/\/www.amazon.com\/_\/dp\/1492052043?tag=oreilly20-20\">https:\/\/www.amazon.com\/_\/dp\/1492052043?tag=oreilly20-20<\/a><\/p>\n<\/li>\n<\/ul>\n<\/div>\n<p> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/company\/glowbyte\/blog\/559400\/\"> https:\/\/habr.com\/ru\/company\/glowbyte\/blog\/559400\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"\n<div class=\"post__text post__text_v2\" id=\"post-content-body\">\n<p>\u0421\u0435\u0439\u0447\u0430\u0441 \u043f\u0435\u0440\u0435\u0434 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0438\u0441\u0442\u0430\u043c\u0438 \u0441\u0442\u043e\u0438\u0442 \u0441\u043b\u043e\u0436\u043d\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430 &#8212; \u043a\u0430\u043a \u0432\u043d\u0435\u0434\u0440\u0438\u0442\u044c \u0442\u0430\u043a\u0443\u044e \u0433\u0440\u043e\u043c\u043e\u0437\u0434\u043a\u0443\u044e \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0443, \u043a\u0430\u043a \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0430\u044f \u0441\u0435\u0442\u044c &#8212; \u0432, \u0434\u043e\u043f\u0443\u0441\u0442\u0438\u043c, \u0431\u0440\u0430\u0441\u043b\u0435\u0442? \u041a\u0430\u043a \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u044d\u043d\u0435\u0440\u0433\u043e\u043f\u043e\u0442\u0440\u0435\u0431\u043b\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438? \u041a\u0430\u043a\u043e\u0432\u0430 \u0446\u0435\u043d\u0430 \u0442\u0430\u043a\u0438\u0445 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438, \u0430 \u0442\u0430\u043a\u0436\u0435 \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043e\u0431\u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043e \u0432\u043d\u0435\u0434\u0440\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0432 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0438\u0435 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0430, \u0438 \u043f\u043e\u0447\u0435\u043c\u0443 \u0431\u0435\u0437 \u044d\u0442\u043e\u0433\u043e \u043d\u0435\u043b\u044c\u0437\u044f \u043e\u0431\u043e\u0439\u0442\u0438\u0441\u044c.<\/p>\n<figure class=\"float full-width\"><figcaption><\/figcaption><\/figure>\n<h2>\u0410 \u0432 \u0447\u0435\u043c \u043f\u043e\u043b\u044c\u0437\u0430?<\/h2>\n<p>\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043c \u0434\u043e\u0440\u043e\u0433\u043e\u0439 \u043f\u0440\u043e\u043c\u044b\u0448\u043b\u0435\u043d\u043d\u044b\u0439 \u0441\u0435\u043d\u0441\u043e\u0440 &#8212; 1000 \u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u0439 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443, \u0442\u0435\u043c\u043f\u0435\u0440\u0430\u0442\u0443\u0440\u043d\u044b\u0439 \u0434\u0430\u0442\u0447\u0438\u043a, \u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u0435 \u0432\u0438\u0431\u0440\u0430\u0446\u0438\u0439, \u043f\u0435\u0440\u0435\u0434\u0430\u0447\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0430 10 \u043a\u043c, \u043c\u043e\u0449\u043d\u044b\u0439 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u043e\u0440 &#8212; 20 \u043c\u043b\u043d \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443! \u0415\u0433\u043e \u0440\u0430\u0431\u043e\u0442\u0430 \u044d\u0442\u043e \u043f\u043e\u0441\u044b\u043b\u0430\u0442\u044c \u043d\u0430 \u0441\u0435\u0440\u0432\u0435\u0440 \u0434\u0430\u043d\u043d\u044b\u0435 \u043e \u0442\u0435\u043c\u043f\u0435\u0440\u0430\u0442\u0443\u0440\u0435,&nbsp;\u0432\u0438\u0431\u0440\u0430\u0446\u0438\u0438,&nbsp;\u0430 \u0442\u0430\u043a\u0436\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0434\u0440\u0443\u0433\u0438\u0445 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0434\u043b\u044f \u043f\u0440\u0435\u0434\u0443\u043f\u0440\u0435\u0436\u0434\u0435\u043d\u0438\u044f&nbsp;\u043f\u043e\u043b\u043e\u043c\u043e\u043a\u043e\u0431\u043e\u0440\u0443\u0434\u043e\u0432\u0430\u043d\u0438\u044f. \u041d\u043e \u0432\u043e\u0442&nbsp;\u043d\u0435\u0437\u0430\u0434\u0430\u0447\u0430&nbsp;&#8212; 99% \u043f\u043e\u0441\u044b\u043b\u0430\u0435\u043c\u044b\u0445 \u0438\u043c \u0434\u0430\u043d\u043d\u044b\u0445 \u0431\u0435\u0441\u043f\u043e\u043b\u0435\u0437\u043d\u0430, \u043e\u0442 \u043d\u0435\u0451 &#8212; \u0447\u0438\u0441\u0442\u044b\u0439 \u0443\u0431\u044b\u0442\u043e\u043a \u0437\u0430 \u044d\u043b\u0435\u043a\u0442\u0440\u0438\u0447\u0435\u0441\u0442\u0432\u043e. \u0410 \u0442\u0430\u043a\u0438\u0445 \u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u043d\u0430 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0441\u0442\u0432\u0435 \u043c\u043e\u0433\u0443\u0442 \u0431\u044b\u0442\u044c \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0438 \u0441\u043e\u0442\u043d\u0438.&nbsp;<\/p>\n<p>\u0412 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 \u043d\u0430\u0441 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u0443\u044e\u0442 \u043d\u0435 \u0441\u0430\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u0435 \u0441 \u044d\u0442\u043e\u0433\u043e \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0430, \u0430 \u0438\u043d\u0441\u0430\u0439\u0434\u044b \u0438\u0437 \u043d\u0438\u0445 &#8212; \u0432\u0441\u0451 \u043b\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442&nbsp;\u0432 \u0448\u0442\u0430\u0442\u043d\u043e\u043c \u0440\u0435\u0436\u0438\u043c\u0435? \u041d\u0435\u0442 \u043b\u0438 \u0430\u0432\u0430\u0440\u0438\u0439\u043d\u044b\u0445 \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u0439? \u0411\u044b\u0442\u044c \u043c\u043e\u0436\u0435\u0442, \u0432\u0441\u043a\u043e\u0440\u0435 \u043f\u043e\u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0440\u0435\u043c\u043e\u043d\u0442? \u0422\u0430\u043a \u043f\u043e\u0447\u0435\u043c\u0443 \u0431\u044b \u043d\u0435&nbsp;\u0437\u0430\u0434\u0435\u043f\u043b\u043e\u0438\u0442\u044c&nbsp;\u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0443&nbsp;\u043d\u0430 \u0441\u0430\u043c \u0434\u0430\u0442\u0447\u0438\u043a, \u0438 \u0432\u043c\u0435\u0441\u0442\u043e \u0431\u0435\u0441\u043a\u043e\u043d\u0435\u0447\u043d\u043e\u0433\u043e \u043f\u043e\u0442\u043e\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u043b\u0438\u0448\u044c \u0438\u043d\u043e\u0433\u0434\u0430 \u043f\u043e\u0441\u044b\u043b\u0430\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b\u044b &#171;\u0412\u0441\u0451 \u0432 \u043f\u043e\u0440\u044f\u0434\u043a\u0435&#187; \u0438\u043b\u0438 &#171;\u0410\u043d\u043e\u043c\u0430\u043b\u0438\u0438 \u0432 \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044f\u0445!&#187; \u0412\u043e\u0442 \u0438\u043c\u0435\u043d\u043d\u043e \u044d\u0442\u0438\u043c \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u043c \u0438 \u0437\u0430\u043d\u0438\u043c\u0430\u0435\u0442\u0441\u044f&nbsp;TinyML.<\/p>\n<figure class=\"full-width\"><figcaption>\u0412\u0438\u0434\u0438\u0442\u0435 \u0432 \u0441\u0435\u0440\u0435\u0434\u0438\u043d\u0435 \u043e\u0447\u0435\u043d\u044c \u0441\u0442\u0440\u0430\u043d\u043d\u044b\u0439 \u043f\u0438\u043a? \u0414\u0430\u0436\u0435 \u0441\u043b\u0435\u0434\u044f\u0449\u0435\u043c\u0443 \u0437\u0430 \u043f\u043e\u043a\u0430\u0437\u0430\u043d\u0438\u044f\u043c\u0438 \u043f\u0440\u0438\u0431\u043e\u0440\u043e\u0432 \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0443 \u0442\u044f\u0436\u0435\u043b\u043e \u0435\u0433\u043e \u0437\u0430\u043c\u0435\u0442\u0438\u0442\u044c, \u0430 \u0432\u043e\u0442 \u041c\u041b \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043f\u0440\u0430\u0432\u0438\u0442\u0441\u044f \u0441 \u044d\u0442\u0438\u043c \u043b\u0435\u0433\u043a\u043e, \u0438 &#171;\u043d\u0435 \u043f\u0440\u043e\u043c\u043e\u0440\u0433\u0430\u0435\u0442&#187; \u043c\u043e\u043c\u0435\u043d\u0442<\/figcaption><\/figure>\n<p>\u0412\u0441\u0451 \u043a\u0440\u0443\u0442\u0438\u0442\u0441\u044f \u0432\u043e\u043a\u0440\u0443\u0433 \u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u0431\u044b \u043d\u0430\u043c \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u0443\u0436\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c, \u0447\u0442\u043e\u0431\u044b \u043e\u043d\u0430 \u0432\u043b\u0435\u0437\u043b\u0430 \u0432 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0435 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u043e. \u0412 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 &#171;\u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0430&#187; \u0441\u043e\u0439\u0434\u0435\u0442 \u0432\u0441\u0451: \u0447\u0430\u0439\u043d\u0438\u043a, \u043f\u0440\u043e\u043c\u044b\u0448\u043b\u0435\u043d\u043d\u044b\u0439 \u0441\u0435\u043d\u0441\u043e\u0440, \u0443\u0442\u044e\u0433, \u0442\u0435\u043b\u0435\u0444\u043e\u043d, \u0431\u0440\u0430\u0441\u043b\u0435\u0442 \u0438 \u0442.\u0434. <\/p>\n<figure class=\"full-width\"><figcaption>\u0412 \u043e\u0442\u043b\u0438\u0447\u0438\u0435 \u043e\u0442 \u043e\u0431\u043b\u0430\u0447\u043d\u043e\u0433\u043e, embedded (&#171;\u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u044b\u0439&#187;) AI  \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043d\u0430 \u0441\u0430\u043c\u043e\u043c \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0435<\/figcaption><\/figure>\n<h2>\u041f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0430 \u043f\u043e\u0434\u0445\u043e\u0434\u0430<\/h2>\n<p>\u0412\u043e-\u043f\u0435\u0440\u0432\u044b\u0445 &#8212; \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u044f \u0440\u0435\u0441\u0443\u0440\u0441\u043e\u0432. \u0422\u0430\u043a \u043a\u0430\u043a \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e\u0439 \u0441\u0432\u044f\u0437\u0438 \u0441 \u0441\u0435\u0440\u0432\u0435\u0440\u043e\u043c \u043d\u0435 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f, \u044d\u0442\u043e \u0432\u0435\u0441\u043e\u043c\u043e \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u0442 \u044d\u043b\u0435\u043a\u0442\u0440\u043e\u044d\u043d\u0435\u0440\u0433\u0438\u044e, \u0432\u0435\u0434\u044c \u043c\u043e\u0436\u043d\u043e \u043e\u0431\u043e\u0439\u0442\u0438\u0441\u044c \u0431\u0435\u0437 \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e\u0433\u043e \u043f\u043e\u0434\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u044f \u043a WiFi, Bluetooth \u0438 \u0442\u0430\u043a \u0434\u0430\u043b\u0435\u0435.<\/p>\n<p>\u0412\u043e-\u0432\u0442\u043e\u0440\u044b\u0445 &#8212; \u0431\u044b\u0441\u0442\u0440\u0430\u044f \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u044b. \u041f\u0435\u0440\u0435\u043a\u0430\u0447\u0438\u0432\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0430 \u0441\u0435\u0440\u0432\u0435\u0440 &#8212; \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0434\u043e\u043b\u0433\u043e, \u043a\u043e\u0433\u0434\u0430 \u043d\u0443\u0436\u0435\u043d \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 &#171;\u0437\u0434\u0435\u0441\u044c \u0438 \u043d\u0435\u043c\u0435\u0434\u043b\u0435\u043d\u043d\u043e&#187;. <\/p>\n<p>\u0412-\u0442\u0440\u0435\u0442\u044c\u0438\u0445 &#8212; \u044d\u0442\u043e \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u044f \u043d\u0430 \u043e\u0431\u043b\u0430\u0447\u043d\u044b\u0445 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f\u0445. \u0412 \u043e\u0431\u043b\u0430\u0447\u043d\u043e\u043c \u043f\u043e\u0434\u0445\u043e\u0434\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u043e\u0442\u043e\u0441\u043b\u0430\u0442\u044c \u043d\u0430 \u0441\u0435\u0440\u0432\u0435\u0440 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438, \u043d\u043e \u0438 \u0434\u043b\u044f \u043f\u0440\u0435\u0434\u0438\u043a\u0442\u0430. \u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u044c\u0442\u0435, \u0447\u0442\u043e \u0434\u043b\u044f \u043f\u0440\u0438\u043b\u043e\u0436\u0435\u043d\u0438\u044f \u0437\u0430\u043c\u0435\u043d\u044b \u043b\u0438\u0446\u0430 \u043d\u0430 \u0432\u0430\u0448\u0435\u043c \u0442\u0435\u043b\u0435\u0444\u043e\u043d\u0435 \u0431\u0443\u0434\u0435\u0442 \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u0442\u044c\u0441\u044f \u0441\u0432\u044f\u0437\u044c \u0441 \u0438\u043d\u0442\u0435\u0440\u043d\u0435\u0442\u043e\u043c, \u043a\u0430\u043a \u0432 \u0441\u043b\u0443\u0447\u0430\u0435 \u0441 \u043d\u0430\u0432\u0438\u0433\u0430\u0442\u043e\u0440\u043e\u043c&#8230; \u0412\u0435\u0441\u044c\u043c\u0430 \u043d\u0435\u0443\u0434\u043e\u0431\u043d\u043e \u0438 \u0437\u0430\u0442\u0440\u0430\u0442\u043d\u043e. \u0421\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0442\u0430\u043a\u0438\u0435 \u0442\u0435\u0445\u043d\u043e\u043b\u043e\u0433\u0438\u0438 \u0443\u0436\u0435 \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u044b \u0432 \u043d\u0430\u0448 \u0442\u0435\u043b\u0435\u0444\u043e\u043d (\u0430 \u044d\u0442\u043e &#8212; \u0440\u0430\u0431\u043e\u0442\u0430 TinyML).<\/p>\n<p>\u0412-\u0447\u0435\u0442\u0432\u0435\u0440\u0442\u044b\u0445 &#8212; \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u044c. \u041f\u043e\u0441\u044b\u043b\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435 \u043a\u0443\u0434\u0430-\u0442\u043e \u0432\u0441\u0435\u0433\u0434\u0430 \u0441\u0432\u044f\u0437\u0430\u043d\u043e \u0441 \u0440\u0438\u0441\u043a\u043e\u043c, \u0433\u043e\u0440\u0430\u0437\u0434\u043e \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u0435\u0435 \u043f\u043e\u043b\u0443\u0447\u0430\u0442\u044c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0443\u0436\u0435 \u043d\u0430 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0435, \u0430 \u0441 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0430 \u043f\u043e\u0441\u044b\u043b\u0430\u0442\u044c \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0435\u0434\u0438\u043a\u0442.<\/p>\n<p>\u0412-\u043f\u044f\u0442\u044b\u0445 &#8212; \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u044b \u0441\u0430\u043c\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0445 \u0441\u0435\u0442\u0435\u0439 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u0438\u0431\u043e \u0440\u0430\u0431\u043e\u0442\u0430 \u0441 int \u0432\u043d\u0443\u0442\u0440\u0438 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0438 \u0438\u0434\u0451\u0442 \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u0447\u0435\u043c \u0441 float &#8212; \u043e\u0431 \u044d\u0442\u043e\u043c \u0440\u0430\u0441\u0441\u043a\u0430\u0436\u0443 \u043d\u0438\u0436\u0435.<\/p>\n<h2>Quantization<\/h2>\n<p>\u0410 \u043f\u043e\u043c\u043e\u0447\u044c \u0437\u0430\u0441\u0443\u043d\u0443\u0442\u044c \u0436\u0438\u0440\u043d\u0443\u044e \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0443 \u0432 \u0445\u0443\u0434\u0435\u043d\u044c\u043a\u0438\u0439 \u0434\u0430\u0442\u0447\u0438\u043a \u043f\u043e\u043c\u043e\u0436\u0435\u0442 \u0442\u0430\u043a\u043e\u0439 \u0442\u0440\u044e\u043a, \u043a\u0430\u043a \u041a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u044f. \u0421\u0443\u0442\u044c \u043c\u0435\u0442\u043e\u0434\u0430 \u043f\u0440\u043e\u0441\u0442\u0430 &#8212; \u0430 \u0434\u0430\u0432\u0430\u0439\u0442\u0435 \u0441\u043e\u043a\u0440\u0430\u0442\u0438\u043c \u043c\u0435\u0441\u0442\u043e, \u0437\u0430\u043d\u0438\u043c\u0430\u0435\u043c\u043e\u0435 \u0447\u0438\u0441\u043b\u0430\u043c\u0438 \u0432 \u043f\u0430\u043c\u044f\u0442\u0438. \u041e\u0431\u044b\u0447\u043d\u044b\u0435  \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u0442\u0430\u043a\u043e\u0439 \u0442\u0438\u043f \u0434\u0430\u043d\u043d\u044b\u0445, \u043a\u0430\u043a \u0442\u043e\u043b\u0441\u0442\u044b\u0439 32 \u0431\u0438\u0442\u043d\u044b\u0439 \u0444\u043b\u043e\u0430\u0442. \u0427\u0442\u043e \u0431\u0443\u0434\u0435\u0442, \u0435\u0441\u043b\u0438 \u043c\u044b \u0437\u0430\u043c\u0435\u043d\u0438\u043c \u0438\u0445 \u043d\u0430 \u0445\u0443\u0434\u044b\u0435 8 \u0431\u0438\u0442\u043d\u044b\u0435 \u0438\u043d\u0442\u044b? \u041c\u0435\u0441\u0442\u0430 \u0437\u0430\u043d\u0438\u043c\u0430\u0442\u044c \u043e\u043d\u0438 \u0441\u0442\u0430\u043d\u0443\u0442 \u043c\u0435\u043d\u044c\u0448\u0435, \u043d\u043e \u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0443\u043f\u0430\u0434\u0451\u0442.  <\/p>\n<figure class=\"full-width\"><figcaption><\/figcaption><\/figure>\n<p>\u041d\u0435\u0434\u043e\u0441\u0442\u0438\u0436\u0438\u043c\u0430\u044f \u043c\u0435\u0447\u0442\u0430 &#8212; \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c 1 \u0431\u0438\u0442. \u0422\u043e\u0433\u0434\u0430 \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u043c \u0433\u0438\u0433\u0430\u043d\u0442\u0441\u043a\u0438\u0439 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u0432 \u0440\u0430\u0437\u043c\u0435\u0440\u0435. \u0416\u0430\u043b\u044c, \u0447\u0442\u043e \u044d\u0442\u043e \u043d\u0435\u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e. <\/p>\n<p>\u0418\u043b\u0438 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e? \u0411\u0438\u043d\u0430\u0440\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u0441\u0432\u0451\u0440\u0442\u043e\u0447\u043d\u044b\u0435 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0435 \u0441\u0435\u0442\u0438 \u043a \u0432\u0430\u0448\u0438\u043c \u0443\u0441\u043b\u0443\u0433\u0430\u043c. \u041f\u043e\u0447\u0438\u0442\u0430\u0442\u044c \u043e \u043d\u0438\u0445 \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u0435\u0435 \u043c\u043e\u0436\u043d\u043e <a href=\"https:\/\/arxiv.org\/abs\/1602.02830\">\u0437\u0434\u0435\u0441\u044c<\/a>.<\/p>\n<figure class=\"full-width\"><figcaption>\u041f\u0435\u0440\u0435\u043c\u043d\u043e\u0436\u0435\u043d\u0438\u0435 \u043c\u0430\u0442\u0440\u0438\u0446 \u0432 \u044d\u0442\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 &#171;\u043d\u0435\u043c\u043d\u043e\u0433\u043e&#187; \u043f\u043e \u0434\u0440\u0443\u0433\u043e\u043c\u0443<\/figcaption><\/figure>\n<h2>\u041e\u0442 \u0442\u0435\u043e\u0440\u0438\u0438 \u043a \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435<\/h2>\n<p>\u0410 \u0442\u0435\u043f\u0435\u0440\u044c, \u0434\u0430\u0431\u044b \u0431\u044b\u043b\u043e \u0437\u0430\u0434\u043e\u0440\u043d\u0435\u0435, \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u043a\u043e\u0434\u0430. \u0421\u0434\u0435\u043b\u0430\u0435\u043c \u043f\u0440\u043e\u0441\u0442\u0435\u0439\u0448\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c, \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0449\u0443\u044e \u0441\u0438\u043d\u0443\u0441 \u0447\u0438\u0441\u043b\u0430.<\/p>\n<pre><code class=\"python\"># \u0413\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u043d\u0430\u0448\u0435\u0439 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0438 x_values = np.random.uniform(     low=0, high=2*math.pi, size=1000).astype(np.float32)  # \u041f\u0435\u0440\u0435\u043c\u0435\u0448\u0438\u0432\u0430\u0435\u043c np.random.shuffle(x_values)  y_values = np.sin(x_values).astype(np.float32)  # \u0414\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c \u0448\u0443\u043c, \u0447\u0442\u043e\u0431\u044b \u0431\u044b\u043b\u043e \"\u043a\u0430\u043a \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0439 \u0436\u0438\u0437\u043d\u0438\" y_values += 0.1 * np.random.randn(*y_values.shape)  plt.plot(x_values, y_values, 'b.') plt.show()<\/code><\/pre>\n<figure class=\"\"><figcaption><\/figcaption><\/figure>\n<p>\u0414\u0430\u043d\u043d\u044b\u0435 \u0433\u043e\u0442\u043e\u0432\u044b. \u0422\u0435\u043f\u0435\u0440\u044c \u0434\u0435\u043b\u0438\u043c \u0438\u0445 \u043d\u0430 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043e\u0447\u043d\u0443\u044e, \u0442\u0435\u0441\u0442\u043e\u0432\u0443\u044e \u0438 \u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u043e\u043d\u043d\u0443\u044e \u0432\u044b\u0431\u043e\u0440\u043a\u0443 (\u044d\u0442\u0443 \u0438 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0434\u0440\u0443\u0433\u0438\u0435 \u0447\u0430\u0441\u0442\u0438 \u043a\u043e\u0434\u0430 \u044f \u043f\u0440\u043e\u043f\u0443\u0449\u0443 \u0434\u043b\u044f \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u0438 \u0432\u0430\u0448\u0435\u0433\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438, \u043f\u043e\u043b\u043d\u044b\u0439 \u043d\u043e\u0443\u0442\u0431\u0443\u043a \u0441 \u043a\u043e\u0434\u043e\u043c \u0432\u043e\u0442 <a href=\"https:\/\/colab.research.google.com\/github\/tensorflow\/tensorflow\/blob\/master\/tensorflow\/lite\/micro\/examples\/hello_world\/train\/train_hello_world_model.ipynb#scrollTo=l4-WhtGpvb-E\">\u0442\u0443\u0442<\/a>).<\/p>\n<figure class=\"\"><figcaption><\/figcaption><\/figure>\n<p>\u0412\u0440\u0435\u043c\u044f \u0441\u0442\u0440\u043e\u0438\u0442\u044c \u043d\u0430\u0448\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0443!<\/p>\n<pre><code># \u0421\u043e\u0437\u0434\u0430\u0451\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0443\u044e \u0441\u0435\u0442\u044c model = tf.keras.Sequential()  model.add(keras.layers.Dense(16, activation='relu', input_shape=(1,)))  model.add(keras.layers.Dense(16, activation='relu'))  model.add(keras.layers.Dense(1))  model.compile(optimizer='adam', loss=\"mse\", metrics=[\"mae\"])  # \u0422\u0440\u0435\u043d\u0438\u0440\u0443\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c\u043a\u0443 history = model.fit(x_train, y_train, epochs=500, batch_size=64,                     validation_data=(x_validate, y_validate))  # \u0421\u043e\u0445\u0440\u0430\u043d\u044f\u0435\u043c model.save(MODEL_TF)<\/code><\/pre>\n<p>\u0422\u0435\u043f\u0435\u0440\u044c \u0434\u0430\u0432\u0430\u0439\u0442\u0435 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u0447\u0442\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u043e\u0441\u044c:<\/p>\n<figure class=\"full-width\"><figcaption>\u041f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u043e\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0434\u043b\u044f \u043d\u0430\u0448\u0438\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0432\u043f\u043e\u043b\u043d\u0435 \u0441\u043e\u0439\u0434\u0435\u0442<\/figcaption><\/figure>\n<p>\u0418\u0442\u0430\u043a, \u043e\u0441\u043d\u043e\u0432\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0433\u043e\u0442\u043e\u0432\u0430. \u041d\u0430\u0441\u0442\u0430\u043b\u043e \u0432\u0440\u0435\u043c\u044f &#171;\u043f\u043e\u0441\u0436\u0438\u043c\u0430\u0442\u044c&#187; \u0435\u0451 \u0441\u0430\u043c\u044b\u043c\u0438 \u0440\u0430\u0437\u043d\u044b\u043c\u0438 \u0441\u043f\u043e\u0441\u043e\u0431\u0430\u043c\u0438. \u0410 \u043f\u043e\u043c\u043e\u0436\u0435\u0442 \u0432 \u044d\u0442\u043e\u043c \u043d\u0430\u043c TFLiteConverter, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u044b\u0439 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u044c\u043d\u043e \u0434\u043b\u044f \u043e\u0431\u043b\u0435\u0433\u0447\u0435\u043d\u0438\u044f \u0432\u0430\u0448\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u043a.<\/p>\n<pre><code class=\"python\"># \u041a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u0443\u0435\u043c \u043d\u0430\u0448\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0443 \u0432 \u0444\u043e\u0440\u043c\u0430\u0442 TensorFlow Lite  \u0411\u0415\u0417 \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u0438 converter = tf.lite.TFLiteConverter.from_saved_model(MODEL_TF) model_no_quant_tflite = converter.convert()  # \u0421\u043e\u0445\u0440\u0430\u043d\u044f\u0435\u043c open(MODEL_NO_QUANT_TFLITE, \"wb\").write(model_no_quant_tflite)  # \u041a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u0443\u0435\u043c \u043d\u0430\u0448\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0443 \u0432 \u0444\u043e\u0440\u043c\u0430\u0442 TensorFlow Lite \u0418\u0421\u041f\u041e\u041b\u042c\u0417\u0423\u042f \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u044e def representative_dataset():   for i in range(500):     yield([x_train[i].reshape(1, 1)])  converter.optimizations = [tf.lite.Optimize.DEFAULT]  # \u0417\u0430\u0434\u0430\u0435\u043c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b, \u043f\u043e \u043a\u043e\u0442\u043e\u0440\u043e\u043c \u0432 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u0435 \u0432\u0441\u0451 \u0431\u0443\u0434\u0435\u0442 \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043e \u0432 int converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS_INT8] converter.inference_input_type = tf.int8 converter.inference_output_type = tf.int8  # \u0417\u0430\u0434\u0430\u0435\u043c \u0440\u0435\u043f\u0440\u0435\u0437\u0435\u043d\u0442\u0430\u0442\u0438\u0432\u043d\u044b\u0439 \u043d\u0430\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445, \u0447\u0442\u043e\u0431\u044b \u043e\u0431\u0435\u0441\u043f\u0435\u0447\u0438\u0442\u044c \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u0438 converter.representative_dataset = representative_dataset model_tflite = converter.convert()  open(MODEL_TFLITE, \"wb\").write(model_tflite)<\/code><\/pre>\n<p>\u0418\u0442\u043e\u0433\u043e \u0438\u043c\u0435\u0435\u043c \u0442\u0440\u0438 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0435 \u0441\u0435\u0442\u0438: \u043e\u0431\u044b\u0447\u043d\u0443\u044e, \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u0443\u044e TensorFlow Lite \u0431\u0435\u0437 \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u0438, \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u0443\u044e TensorFlow Lite \u0441 \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0435\u0439. \u0421\u0430\u043c\u043e\u0435 \u0432\u0440\u0435\u043c\u044f \u0441\u0440\u0430\u0432\u043d\u0438\u0442\u044c, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0436\u0435 \u043c\u0435\u0441\u0442\u0430 \u043e\u043d\u0438 \u0437\u0430\u043d\u0438\u043c\u0430\u044e\u0442.<\/p>\n<pre><code class=\"python\">pd.DataFrame.from_records(     [[\"TensorFlow\", f\"{size_tf} bytes\", \"\"],      [\"TensorFlow Lite\", f\"{size_no_quant_tflite} bytes \", f\"(reduced by {size_tf - size_no_quant_tflite} bytes)\"],      [\"TensorFlow Lite Quantized\", f\"{size_tflite} bytes\", f\"(reduced by {size_no_quant_tflite - size_tflite} bytes)\"]],      columns = [\"Model\", \"Size\", \"\"], index=\"Model\")<\/code><\/pre>\n<figure class=\"full-width\"><figcaption><\/figcaption><\/figure>\n<p>\u0418\u0442\u0430\u043a, \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u043f\u0435\u0440\u0432\u043e\u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0439 \u043d\u0435\u0439\u0440\u043e\u043d\u043a\u043e\u0439, \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0430\u0446\u0438\u044f \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e TensorFlow Lite \u0434\u0430\u0451\u0442 32% \u0432\u044b\u0438\u0433\u0440\u044b\u0448\u0430 \u0432 \u0440\u0430\u0437\u043c\u0435\u0440\u0435, \u0430 \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u044f \u0446\u0435\u043b\u044b\u0445 40% ! \u0412\u0435\u0441\u044c\u043c\u0430 \u0432\u043f\u0435\u0447\u0430\u0442\u043b\u044f\u044e\u0449\u0438\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442, \u043e\u0434\u043d\u0430\u043a\u043e, \u043a\u0430\u043a\u043e\u0439 \u0446\u0435\u043d\u043e\u0439 \u043c\u044b \u0435\u0433\u043e \u0434\u043e\u0441\u0442\u0438\u0433\u043b\u0438?<\/p>\n<figure class=\"\"><figcaption><\/figcaption><\/figure>\n<p>\u041f\u043e\u0442\u0435\u0440\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043f\u043e\u0447\u0442\u0438 \u043d\u0435 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u0430, \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u043f\u043e\u0433\u0440\u0435\u0448\u043d\u043e\u0441\u0442\u0438. \u041d\u043e \u0441\u0442\u043e\u0438\u0442 \u0438\u043c\u0435\u0442\u044c \u0432\u0432\u0438\u0434\u0443, \u0447\u0442\u043e \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c \u0432\u0435\u0441\u044c\u043c\u0430 \u043f\u0440\u043e\u0441\u0442\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c\u043a\u0443 \u0434\u043b\u044f \u0442\u0435\u0441\u0442\u0430, \u043d\u0430 \u0431\u043e\u043b\u0435\u0435 \u043a\u0440\u0443\u043f\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043d\u0435 \u043d\u0430\u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043e\u043f\u0442\u0438\u043c\u0438\u0441\u0442\u0438\u0447\u043d\u044b\u043c!  <\/p>\n<h2>\u041a\u043e\u043d\u0432\u0435\u0440\u0442\u0430\u0446\u0438\u044f \u0432 \u0421 \u043a\u043e\u0434<\/h2>\n<p>\u0412\u0441\u0435 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u0435 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u043c\u044b \u0434\u0435\u043b\u0430\u043b\u0438 \u043d\u0430 Python \u0432 \u043d\u043e\u0443\u0442\u0431\u0443\u043a\u0435, \u043d\u043e \u0432\u0435\u0434\u044c \u043d\u0430\u0441 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u0443\u0435\u0442, \u043a\u0430\u043a \u0437\u0430\u0434\u0435\u043f\u043b\u043e\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440, \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e? \u0410 \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0441\u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u043a\u043e\u0434, \u0441 \u043a\u043e\u0442\u043e\u0440\u044b\u043c \u044d\u0442\u0438 \u0441\u0430\u043c\u0438 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440\u044b \u043f\u0440\u0438\u0432\u044b\u043a\u043b\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c. \u0412\u0410\u0416\u041d\u041e! \u041f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0439 \u043d\u0438\u0436\u0435 \u043a\u043e\u0434 \u044f \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u043b \u043d\u0430 Ubuntu, \u0435\u0441\u043b\u0438 \u0445\u043e\u0442\u0438\u0442\u0435 \u043f\u043e\u0434\u043e\u0431\u043d\u043e\u0435 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043d\u0430 Windows &#8212; \u043f\u0440\u0438\u0434\u0451\u0442\u0441\u044f \u0438\u0441\u043a\u0430\u0442\u044c \u043e\u0431\u0445\u043e\u0434\u043d\u044b\u0435 \u043f\u0443\u0442\u0438. <\/p>\n<pre><code class=\"python\"># \u0421\u0442\u0430\u0432\u0438\u043c xxd !apt-get update &amp;&amp; apt-get -qq install xxd # \u0410 \u0442\u0435\u043f\u0435\u0440\u044c \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u0443\u0435\u043c !xxd -i {MODEL_TFLITE} &gt; {MODEL_TFLITE_MICRO} # \u041c\u0435\u043d\u044f\u0435\u043c \u0438\u043c\u044f \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445 REPLACE_TEXT = MODEL_TFLITE.replace('\/', '_').replace('.', '_') !sed -i 's\/'{REPLACE_TEXT}'\/g_model\/g' {MODEL_TFLITE_MICRO} # \u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0433\u043b\u044f\u043d\u0435\u043c, \u0447\u0442\u043e \u0438\u0437 \u0441\u0435\u0431\u044f \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u0441\u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u0430\u044f \u0432 C \u043a\u043e\u0434 \u043c\u043e\u0434\u0435\u043b\u044c !cat {MODEL_TFLITE_MICRO}<\/code><\/pre>\n<figure class=\"full-width\"><figcaption><\/figcaption><\/figure>\n<p>\u042f \u0432\u0441\u0442\u0430\u0432\u0438\u043b \u043b\u0438\u0448\u044c \u043f\u0435\u0440\u0432\u044b\u0435 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0442\u0440\u043e\u043a \u0441\u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438, \u043e\u0434\u043d\u0430\u043a\u043e \u0432\u043e\u043e\u0431\u0449\u0435 \u0438\u0445 \u043e\u043a\u043e\u043b\u043e 400.<\/p>\n<h2>\u041a\u043e\u0434 \u043d\u0430 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440\u0435<\/h2>\n<p>\u041c\u043e\u0434\u0435\u043b\u044c \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c, \u0430 \u0442\u0435\u043f\u0435\u0440\u044c \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u043a\u0430\u043a \u0431\u0443\u0434\u0435\u0442 \u0432\u044b\u0433\u043b\u044f\u0434\u0435\u0442\u044c \u043d\u0430\u0448 \u0421 \u043a\u043e\u0434 \u043d\u0430, \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440\u0435. \u041f\u0435\u0440\u0435\u0434 \u0434\u0435\u043f\u043b\u043e\u0435\u043c \u043d\u0430 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440 \u043a\u043e\u0434 \u043c\u043e\u0436\u043d\u043e (\u0438 \u043d\u0443\u0436\u043d\u043e) \u0441\u043f\u0435\u0440\u0432\u0430 \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c \u043d\u0430 \u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u0435.  \u0421\u0440\u0430\u0437\u0443 \u0441\u043a\u0430\u0436\u0443, \u0447\u0442\u043e \u044f \u0432\u044b\u0446\u0435\u043f\u0438\u043b \u0442\u043e\u043b\u044c\u043a\u043e \u0441\u0430\u043c\u044b\u0435 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b\u0435 \u043a\u0443\u0441\u043a\u0438 \u043a\u043e\u0434\u0430, \u043e\u0434\u043d\u0430\u043a\u043e \u0435\u0441\u043b\u0438 \u0432\u044b \u0445\u043e\u0442\u0438\u0442\u0435 \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c \u0435\u0433\u043e \u043d\u0430 \u0441\u0432\u043e\u0435\u043c \u043a\u043e\u043c\u043f\u0435 &#8212; \u0442\u043e <a href=\"https:\/\/github.com\/tensorflow\/tensorflow\/blob\/master\/tensorflow\/lite\/micro\/examples\/hello_world\/hello_world_test.cc\">\u0432\u043e\u0442<\/a>.<\/p>\n<pre><code> \/\/ \u041e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u043c \u0432\u0445\u043e\u0434\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435, \u0430 \u0442\u0430\u043a\u0436\u0435 \u043e\u0436\u0438\u0434\u0430\u0435\u043c\u043e\u0435 \u0432\u044b\u0445\u043e\u0434\u043d\u043e\u0435     float x = 0.0f;   float y_true = sin(x);    \/\/ \u041b\u043e\u0433\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435   tflite::MicroErrorReporter micro_error_reporter;    \/\/ \u041f\u043e\u0434\u0442\u044f\u0433\u0438\u0432\u0430\u0435\u043c \u0440\u0430\u043d\u0435\u0435 \u0441\u043e\u0445\u0440\u0430\u043d\u0451\u043d\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c\u043a\u0443   const tflite::Model* model = ::tflite::GetModel(g_model);<\/code><\/pre>\n<p>\u0414\u0430\u043b\u0435\u0435 \u0432\u044b\u0434\u0435\u043b\u044f\u0435\u043c \u043c\u0435\u0441\u0442\u043e \u043d\u0430 \u043d\u0430\u0448\u0435\u043c \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0435. \u0421\u043a\u043e\u043b\u044c\u043a\u043e \u0435\u0433\u043e \u0432\u0437\u044f\u0442\u044c? \u041d\u0430 \u0441\u0430\u043c\u043e\u043c \u0434\u0435\u043b\u0435, \u0432\u043e\u043f\u0440\u043e\u0441 \u0440\u0435\u0448\u0430\u0435\u0442\u0441\u044f \u0432 \u043b\u043e\u0431: \u0431\u0435\u0440\u0435\u043c \u043d\u0435\u043a\u043e\u0435 \u0440\u0430\u043d\u0434\u043e\u043c\u043d\u043e\u0435, \u0440\u0430\u0437\u0443\u043c\u043d\u043e\u0435 \u0447\u0438\u0441\u043b\u043e. \u0415\u0441\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u043c\u0435\u0449\u0430\u0435\u0442\u0441\u044f \u0438 \u0432\u0441\u0451 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442- \u0445\u043e\u0440\u043e\u0448\u043e, \u043f\u0440\u043e\u0431\u0443\u0435\u043c \u0441\u043e\u043a\u0440\u0430\u0442\u0438\u0442\u044c \u043c\u0435\u0441\u0442\u043e. \u041f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u0442\u044c \u0441\u0435\u0439 \u043f\u0440\u043e\u0446\u0435\u0441\u0441, \u043f\u043e\u043a\u0430 \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u043d\u0435 \u043f\u0435\u0440\u0435\u0441\u0442\u0430\u043d\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c.<\/p>\n<p>\u041d\u0443 \u0438 \u043d\u0430\u043a\u043e\u043d\u0435\u0446, \u0432\u043e\u0442 \u0442\u0430\u043a \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435 \u0441\u0438\u043d\u0443\u0441\u0430 \u043d\u0430 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440\u0435:<\/p>\n<pre><code class=\"cpp\">  x = 5.f;   y_true = sin(x);   input-&gt;data.int8[0] = x \/ input_scale + input_zero_point;   interpreter.Invoke();   y_pred = (output-&gt;data.int8[0] - output_zero_point) * output_scale;   TF_LITE_MICRO_EXPECT_NEAR(y_true, y_pred, epsilon);<\/code><\/pre>\n<h2>Edge Impulse<\/h2>\n<p>\u041e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u0441\u0442\u043e\u0438\u0442 \u0443\u043f\u043e\u043c\u044f\u043d\u0443\u0442\u044c \u043f\u043b\u0430\u0442\u0444\u043e\u0440\u043c\u0443 Edge <a href=\"https:\/\/www.edgeimpulse.com\/\">Impulse<\/a> \u043e\u0442 \u0440\u0435\u0431\u044f\u0442, \u043f\u043b\u043e\u0442\u043d\u043e \u0437\u0430\u043d\u0438\u043c\u0430\u044e\u0449\u0438\u0445\u0441\u044f TinyML. <\/p>\n<figure class=\"full-width\"><figcaption><\/figcaption><\/figure>\n<p>\u041e\u043d\u0430 \u0431\u0435\u0440\u0435\u0442 \u043d\u0430 \u0441\u0435\u0431\u044f \u043c\u043d\u043e\u0433\u043e \u0440\u0430\u0431\u043e\u0442\u044b \u043f\u043e \u0434\u0435\u043f\u043b\u043e\u044e \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043d\u0435\u043f\u043e\u0441\u0440\u0435\u0434\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043d\u0430 \u043c\u0438\u043a\u0440\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u043b\u0435\u0440\u044b, \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0432\u0441\u0435\u0433\u043e \u043b\u0438\u0448\u044c \u043f\u043e\u0434\u043a\u043b\u044e\u0447\u0438\u0442\u044c \u043a\u0430\u043a\u0443\u044e \u043d\u0438\u0431\u0443\u0434\u044c \u0430\u0440\u0434\u0443\u0438\u043d\u043a\u0443 \u043a \u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u0443, \u0438 \u0432 \u043f\u0430\u0440\u0443 \u043a\u043b\u0438\u043a\u043e\u0432 \u043d\u0430\u043a\u0430\u0442\u0438\u0442\u044c \u043d\u0430 \u043d\u0435\u0451 \u043c\u043e\u0434\u0435\u043b\u044c\u043a\u0443. \u0421\u0430\u043c \u043d\u0435 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0441\u044f, \u0438 \u043d\u0435 \u0434\u0443\u043c\u0430\u044e, \u0447\u0442\u043e \u0447\u0442\u043e \u043d\u0438\u0431\u0443\u0434\u044c \u043e\u0447\u0435\u043d\u044c \u0441\u0435\u0440\u044c\u0435\u0437\u043d\u043e\u0435 \u043d\u0430 \u0435\u0451 \u0431\u0430\u0437\u0435 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u0441\u044f, \u043e\u0434\u043d\u0430\u043a\u043e \u0436\u0435\u043b\u0430\u044e\u0449\u0438\u043c \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u043f\u043e\u0438\u0433\u0440\u0430\u0442\u044c\u0441\u044f &#8212; \u0442\u043e\u0447\u043d\u043e \u0441\u044e\u0434\u0430.<\/p>\n<p>\u041d\u0443 \u0438 \u0432\u043c\u0435\u0441\u0442\u043e \u0437\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u044f &#8212; \u0442\u0435\u043c\u0430 \u0441 TinyML \u043d\u0430\u0431\u0438\u0440\u0430\u0435\u0442 \u043e\u0431\u043e\u0440\u043e\u0442\u044b. \u0412 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0441\u0444\u0435\u0440\u0430\u0445 (\u0431\u0440\u0430\u0441\u043b\u0435\u0442\u044b \u043e\u0442\u0441\u043b\u0435\u0436\u0438\u0432\u0430\u043d\u0438\u044f \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u043b\u044e\u0434\u0435\u0439 \u0441 \u0431\u043e\u043b\u044c\u043d\u044b\u043c \u0441\u0435\u0440\u0434\u0446\u0435\u043c, \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u0435 \u0440\u0430\u043a\u0430 \u044f\u0437\u044b\u043a\u0430 \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u043e\u0439 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 \u0441\u0435\u0442\u044c\u044e \u0447\u0435\u0440\u0435\u0437 \u0444\u043e\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u044e \u0438 \u0442.\u0434.) \u0443 \u043d\u0435\u0451 \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0435\u0442 \u0430\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432. \u0420\u043e\u0441\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u043f\u043e\u0434\u043e\u0431\u043d\u044b\u0445 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432 <a href=\"https:\/\/www.prnewswire.com\/news-releases\/edge-computing-market-is-projected-to-grow-from-2-485-36-million-in-2018-to-usd-8-854-78-million-by-2025--with-a-cagr-of-19-90--valuates-reports-301015459.html\">\u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u0443\u0435\u0442\u0441\u044f<\/a> \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 20% \u0432 \u0433\u043e\u0434, \u0430 \u0437\u043d\u0430\u0447\u0438\u0442, \u043e\u0431 \u044d\u0442\u043e\u0439 \u0442\u0435\u0445\u043d\u043e\u043b\u043e\u0433\u0438\u0438 \u043c\u044b \u0431\u0443\u0434\u0435\u043c \u0441\u043b\u044b\u0448\u0430\u0442\u044c \u0432\u0441\u0451 \u0447\u0430\u0449\u0435 \u0438 \u0447\u0430\u0449\u0435.<\/p>\n<p>\u0415\u0441\u043b\u0438 \u0445\u043e\u0442\u0438\u0442\u0435 \u0437\u043d\u0430\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435 \u043f\u043e \u0442\u0435\u043c\u0435, \u0442\u043e \u043f\u0440\u0438\u0441\u043e\u0435\u0434\u0438\u043d\u044f\u0439\u0442\u0435\u0441\u044c \u043a \u043d\u0430\u0448\u0435\u043c\u0443 NoML Community &#8212; <a href=\"https:\/\/t.me\/noml_community\">https:\/\/t.me\/noml_community<\/a>.<\/p>\n<h2>\u0421\u043f\u0438\u0441\u043e\u043a \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u043e\u0432<\/h2>\n<ul>\n<li>\n<p>\u041d\u043e\u0443\u0442\u0431\u0443\u043a \u0434\u043b\u044f \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438 <a href=\"https:\/\/colab.research.google.com\/github\/tensorflow\/tensorflow\/blob\/master\/tensorflow\/lite\/micro\/examples\/hello_world\/train\/train_hello_world_model.ipynb#scrollTo=l4-WhtGpvb-E\">https:\/\/colab.research.google.com\/github\/tensorflow\/tensorflow\/blob\/master\/tensorflow\/lite\/micro\/examples\/hello_world\/train\/train_hello_world_model.ipynb#scrollTo=l4-WhtGpvb-E<\/a><\/p>\n<\/li>\n<li>\n<p>\u041a\u043e\u0434 \u043d\u0430 \u0421 \u0434\u043b\u044f \u0434\u0435\u043f\u043b\u043e\u044f \u043c\u043e\u0434\u0435\u043b\u0438 <a href=\"https:\/\/github.com\/tensorflow\/tensorflow\/blob\/master\/tensorflow\/lite\/micro\/examples\/hello_world\/hello_world_test.cc\">https:\/\/github.com\/tensorflow\/tensorflow\/blob\/master\/tensorflo<\/a><\/p>\n<\/li>\n<\/ul>\n<\/div>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-323876","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/323876","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=323876"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/323876\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=323876"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=323876"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=323876"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}