一种可用于人工智能基础教学的轻量级神经网络推理模型的构建方法

打开文本图片集

中图分类号：G434文献标识码：A论文编号：1674-2117（2025）13—0027-04

虽然神经网络的训练需要大量算力，但神经网络训练获得的推理模型往往可以部署到资源受限的设备上，TinyML（TinyMachineLearning，即轻量化机器学习）作为这一理念的杰出代表，在基础教育场景中展现出了较为重要的意义：基于TinyML的系统能够以小型开源的电子开发板为硬件载体，以较低成本实现多样化的智能互动，使得机器学习模型以更灵活的方式进入课堂，以TinyML形式部署的系统能够让优质教育资源以低成本形式惠及偏远地区，缩小城乡、区域间的教育资源差距；基于TinyML的系统可能成为学习者在实践中初步体验微控制器编程、嵌入式系统开发和人工智能相结合的平台，促进了跨学科素养的培养，通过融合计算机科学、电子工程、数学等多领域知识，激发学生的创新思维与综合应用能力。（剩余3215字）