প্রথম কাগজ অনুসারে , দৌড়ানো কোনও সমস্যা নয়। এটাই ছিল উদ্দেশ্য। কেবলমাত্র সর্বোচ্চ ওজনের সীমাবদ্ধতা রয়েছে:
বর্তমানে এই মাইক্রোকন্ট্রোলারে এমবেড করা স্থাপত্যের সীমাবদ্ধতা কেবলমাত্র প্রয়োজনীয় ওজনের সংখ্যা দ্বারা সীমাবদ্ধ। নিউরাল নেটওয়ার্কটি বর্তমানে 256 ওজনের মধ্যে সীমাবদ্ধ। তবে বেশিরভাগ এম্বেড থাকা অ্যাপ্লিকেশনগুলির জন্য এই 256 ওজনের সিস্টেমটিকে সীমাবদ্ধ করা উচিত নয়।
প্রশিক্ষণের জন্য, যতক্ষণ না বর্ণিত বাস্তবায়নটি আমি বুঝতে পেরেছি, পিক নিয়ন্ত্রক একটি বাহ্যিক উত্স থেকে পরামিতিগুলি গ্রহণ করে।
নিউরাল নেটওয়ার্ক ফরোয়ার্ড গণনাগুলি এমনভাবে লিখিত হয় যাতে প্রতিটি নিউরনটি নেস্টেড লুপের একটি সিরিজে স্বতন্ত্রভাবে গণনা করা হয়। প্রতিটি লুপের জন্য গণনার সংখ্যা এবং প্রতিটি নোডের মানগুলি সবই মেমরিতে একটি সাধারণ অ্যারেতে সঞ্চিত থাকে।
[...]
এই অ্যারেগুলিতে আর্কিটেকচার এবং নেটওয়ার্কের ওজন রয়েছে। বর্তমানে, প্রদর্শনের উদ্দেশ্যে, এই অ্যারেগুলি চিপ প্রোগ্রাম করার সময় প্রিললোড করা হয়েছিল, তবে চূড়ান্ত সংস্করণে এটি প্রয়োজনীয় হবে না। মাইক্রোকন্ট্রোলারটি সহজেই একটি সাধারণ বুট লোডার ধারণ করে সংশোধন করতে পারে যা অনবোর্ড আরএস 232 সিরিয়াল পোর্ট ব্যবহার করে যা কোনও দূরবর্তী অবস্থান থেকে ওজন এবং টোগোগ্রাফির জন্য ডেটা গ্রহণ করবে। এটি চিপ মাঠে থাকার সময় ওজন বা এমনকি পুরো নেটওয়ার্ককে সংশোধন করার অনুমতি দেয়।
আমি সন্দেহ করি যে বাহ্যিকভাবেও প্রশিক্ষণটি সঞ্চালিত হয়।
কাগজটি নিউরাল নেটওয়ার্ক ট্রেনারদের জন্য রেফারেন্সও দেয় যা সম্ভবত পিকের স্মৃতিতে প্রিগ্রামগ্রাম করা মানগুলি নির্ধারণের জন্য ব্যবহৃত হত।
- উইলামোস্কি, বিএম; সুতি, এন .; হিউলেট, জে .; কায়নাক, ও। "সেকেন্ড অর্ডার লার্নিং অ্যালগরিদম সহ নিউরাল নেটওয়ার্ক ট্রেনার,"
- উইলামোস্কি, বিএম; সুতি, এনজে; কায়ক, ও .; ডুন্ডার, জি।
"নির্বিচারে সংযুক্ত নিউরাল নেটওয়ার্কগুলিতে গ্রেডিয়েন্ট ভেক্টর এবং জ্যাকবইন ম্যাট্রিক্সের কম্পিউটিংয়ের পদ্ধতি,"
এখন, আমি প্রথমটি দেখেছি যা তাদের সাথে ব্যবহার করার জন্য নেটওয়ার্ক আর্কিটেকচার এবং অ্যালগরিদমগুলি বর্ণনা করে। তবে এখানে ব্যবহৃত নিউরাল নেটওয়ার্ক ট্রেনার সফটওয়্যারটি ম্যাটল্যাবে প্রয়োগ করা হয়েছে।
বর্তমানে, খুব কম নিউরাল নেটওয়ার্ক প্রশিক্ষণ সফ্টওয়্যার উপলব্ধ রয়েছে যা সম্পূর্ণ সংযুক্ত নেটওয়ার্কগুলিকে প্রশিক্ষণ দেবে। এই উদ্দেশ্যে গ্রাফিকাল ইউজার ইন্টারফেস সহ একটি প্যাকেজ এমএটিএলবিএতে তৈরি করা হয়েছে। এই সফ্টওয়্যারটি ব্যবহারকারীকে খুব জটিল আর্কিটেকচারের পাশাপাশি প্রাথমিক ওজন, প্রশিক্ষণ প্যারামিটার, ডেটা সেট এবং বেশ কয়েকটি শক্তিশালী অ্যালগরিদমের পছন্দ সহজেই প্রবেশ করতে দেয়।
আমাকে উল্লেখ করতে হবে যে সম্পূর্ণ সংযুক্ত নেটওয়ার্কগুলির একটি লেয়ার বাই লেয়ার আর্কিটেকচারের তুলনায় একই কাজের জন্য ওজন সংখ্যা কম থাকে। এটি মাইক্রোকন্ট্রোলারদের জন্য আরও উপযুক্ত করে তোলে।
আমি কোনও নিউরাল নেটওয়ার্ক বিশেষজ্ঞ নই এবং এটি বেশ জটিল তাই আমি ভুল হতে পারি, তবে এই কাগজগুলির উপর ভিত্তি করে আমি বলব যে প্রশিক্ষণটি চালানোর জন্য তুলা, উইলামোস্কি এবং দানদারের পদ্ধতির জন্য একটি বাহ্যিক, আরও শক্তিশালী প্ল্যাটফর্মের প্রয়োজন।
একটি মাইক্রোকন্ট্রোলারে নিউরাল নেটওয়ার্ক চালানোর বিষয়ে, এসটি মাইক্রো ইলেক্ট্রনিক্স কেবলমাত্র একটি সরঞ্জামকিট এসটিএম 32 কিউব ঘোষণা করেছে : এএইচএম 32 এর জন্য প্রাক-প্রশিক্ষিত নিউরাল নেটওয়ার্কগুলি তাদের বেশিরভাগ এসটিএম 32 এমসিইউতে রূপান্তর করতে এসটিএম 32 এর জন্য অপ্টিমাইজড কোডে রূপান্তর করুন ।