新時代高科技不計其數越來越發達，小伙伴們看過不少科技新聞吧，在我們生活中應該也用到很多這些高科技東西，有哪些小伙伴值的關注的呢，今天就跟大家分享一篇有關科技方面知識，希望大家會喜歡。

深度學習無處不在。人工智能的這一分支負責管理您的社交媒體并提供您的Google搜索結果。不久，深度學習還可以檢查您的體能或設置恒溫器。麻省理工學院的研究人員開發了一種系統，該系統可以將深度學習神經網絡引入新的甚至更小的地方，例如可穿戴醫療設備，家用電器中的微型計算機芯片以及構成“物聯網”的2500億其他物體(物聯網)。

該系統稱為MCUNet，它設計了緊湊的神經網絡，盡管內存和處理能力有限，但它們為IoT設備上的深度學習提供了空前的速度和準確性。該技術可以促進物聯網領域的擴展，同時節省能源并提高數據安全性。

物聯網

物聯網誕生于1980年代初期。卡內基·梅隆大學(Carnegie Mellon University)的研究生，包括邁克·卡扎爾(Mike Kazar '78)，將可樂機器連接到互聯網。該小組的動機很簡單：懶惰。他們想使用計算機來確認機器是否已存貨，然后再從辦公室徒步旅行進行購買。這是世界上第一臺連接互聯網的設備。微軟工程師卡扎爾說：“這幾乎被當成是玩笑的笑話。” “沒有人期望互聯網上有數十億臺設備。”

自該可樂機問世以來，日常物品已越來越多地聯網到不斷增長的物聯網中。其中包括從可穿戴式心臟監護儀到智能冰箱的所有信息，這些信息可以告訴您何時喝低牛奶。物聯網設備通常在微控制器上運行，這些微控制器是無操作系統的簡單計算機芯片，具有最小的處理能力，并且內存不到典型智能手機的千分之一。因此，深度學習等模式識別任務很難在IoT設備上本地運行。對于復雜的分析，物聯網收集的數據通常被發送到云中，使其容易受到黑客攻擊。

漢說：“我們如何直接在這些小型設備上部署神經網絡?這是一個新的研究領域，而且越來越熱。” “像Google和ARM這樣的公司都在朝這個方向努力。” 漢也是。

通過MCUNet，Han的小組對“微型深度學習”所需的兩個組件進行了代碼簽名-微控制器上神經網絡的操作。其中的一個組件是TinyEngine，這是一個類似于操作系統的引導引擎，用于指導資源管理。TinyEngine經過優化，可以運行特定的神經網絡結構，該結構由MCUNet的其他組件TinyNAS(一種神經體系結構搜索算法)選擇。