Pour les développeurs, la consommation d'énergie est souvent la principale préoccupation lors de la conception d'un système de caméra fonctionnant sur piles qui interprète les images acquises par un capteur embarqué à l’aide d’un algorithme d’apprentissage automatique. Dans ce white paper de 5 pages en anglais, GreenWaves détaille pas à pas les étapes nécessaires pour réaliser un tel système en s’appuyant sur ses processeurs d'application GAP qui combinent une consommation d'énergie ultrafaible avec un traitement de signal sophistiqué et des algorithmes de réseau neuronal.

Le white paper montre notamment comment concevoir et déployer un modèle d'apprentissage en profondeur (deep learning) pour la reconnaissance d'images sur une architecture GAP8. Grâce à son architecture de classe microcontrôleur dotée d’une consommation optimisée et conçue pour les charges de travail intensives d'intelligence artificielle, le GAP8 est une solution adaptée lorsqu'il est associé à des caméras à faible consommation.

Dans l’exemple exposé, après l'apprentissage et la conversion d'un modèle à l'aide de la boîte à outils TensorFlow, l'ensemble des outils liés à GAPflow sont exploités pour implanter les modèles entraînés sur la puce GAP8. L'ensemble permet d’intégrer une IA de manière transparente et fournit une solution optimisée en termes de consommation que les experts en IA ou les concepteurs de systèmes embarqués peuvent utiliser pour créer des produits de nouvelle génération.