跳到正文
arXiv · ML· Achintya Yadav·· 3 天前AI 评分22

微控制器上合成预训练是否有效:ESP32-S3 与 RP2040 上的精度、延迟与能耗分析

Does synthetic pre-training pay off on a microcontroller? Accuracy, latency and energy across two MCUs

AI 导读

在 ESP32-S3 和 RP2040 上测试发现,全量数据下合成预训练对 INT8 量化模型无显著增益,仅在 10% 数据时提升 +3.438 pp。 ESP32-S3 推理耗时 152.7 ms,能耗 16.3 mJ;RP2040 则慢 12 倍,耗时 1.80 s 且 96 px 模型超出闪存限制。 需直接核对芯片 INT8 输出与参考内核的一致性,而非依赖主机分数,以确保部署可靠性。

来源:arXiv · ML · arxiv.org