ENAS เป็นกรอบ Neural Architecture Search (NAS) ที่รับรู้ฮาร์ดแวร์ สำหรับการปรับใช้โมเดล TinyML บนไมโครคอนโทรลเลอร์ที่มีทรัพยากรจำกัด โครงสร้างประกอบด้วยการตรวจสอบความเป็นไปได้แบบคงที่ (static feasibility check) พื้นที่ค้นหาแบบเซลล์ (cell-based search space) รองรับบล็อกมาตรฐาน depthwise-separable และ bottleneck พร้อมการเชื่อมข้าม (skip connections) และกลยุทธ์ค้นหาผสม 3 ขั้นตอน คือสุ่ม → top-K → การกลายพันธุ์ (mutation) พร้อมแคชข้ามรัน (persistent cross-run caching) จุดเด่นคือทำงานได้อย่างมีประสิทธิภาพโดยไม่ต้องอาศัย GPU เหมาะสำหรับสภาพแวดล้อมพัฒนาที่มีทรัพยากรน้อย
ทดสอบบนมาตรฐาน Visual Wake Words และ Melanoma Cancer ครอบคลุม 8 ไมโครคอนโทรลเลอร์ ที่มีหน่วยความจำ SRAM 20 KB ถึง 1 MB และ 9 ความละเอียดภาพเข้า ผลลัพธ์แสดงว่า ENAS ให้ความเร็วการค้นหาเฉลี่ยสูงกว่า NanoNAS 2.41 เท่า และ 1.70 เท่า ตามลำดับ ขณะรักษาความแม่นยำการทดสอบ (test accuracy) ให้อยู่ในระดับแข่งขันได้ นอกจากนี้ โมเดลที่ ENAS เลือกใช้หน่วยความจำ RAM สำหรับการกระทำสูงสุด (peak activation RAM) ต่ำกว่ามาก ซึ่งเป็นข้อจำกัดหลักของการปรับใช้บนไมโครคอนโทรลเลอร์เมื่อความแม่นยำเท่ากัน
บนบอร์ด STM32H743 ENAS ทำให้ได้ความแม่นยำ 79.4% เกินกว่าเกณฑ์มาตรฐาน CPU-only แบบกรีดี้ (greedy baseline) 2.6 จุดเปอร์เซ็นต์ กรอบงานถูกปล่อยเป็นโอเพนซอร์ส
ประวัติการส่งบทความ
ส่งโดย Pandarasamy Arjunan วันที่ 10 สิงหาคม 2569 เวลา 14:13 น. UTC (รุ่น v1)
ศัพท์ที่ควรรู้
- Neural Architecture Search (NAS) – เทคนิคค้นหาสถาปัตยกรรมโมเดลประสาทเทียมโดยอัตโนมัติ แทนที่การออกแบบด้วยมือ
- TinyML – การนำโมเดล Machine Learning ขนาดเล็กไปรันบนอุปกรณ์ขอบเครือ (edge devices) เช่น ไมโครคอนโทรลเลอร์
- Microcontroller – ชิปคอมพิวเตอร์ขนาดเล็กหนึ่งชิป มี CPU หน่วยความจำ และอุปกรณ์ I/O รวมอยู่ด้วย ใช้ควบคุมอุปกรณ์อิเล็กทรอนิกส์
- Depthwise-separable convolution – การคอนฟลูชันแบบแยกช่อง (depthwise) ตามด้วยการคอนฟลูชันจุด (pointwise) ลดพารามิเตอร์และการคำนวณลงมาก
- Peak activation RAM – หน่วยความจำ RAM สูงสุดที่ใช้เก็บค่ากระทำ (activations) ระหว่างการรันโมเดล เป็นข้อจำกัดสำคัญบน MCU
- STM32H743 – ไมโครคอนโทรลเลอร์ประสิทธิภาพสูงจาก STMicroelectronics ใช้โปรเซสเซอร์ Arm Cortex-M7
ที่มา: arxiv.org