Ocena zmogljivosti platforme ESP32-S3 za aplikacije robne umetne inteligenceTomažič, Štefan (Avtor) Pilipović, Ratko (Mentor) ESP32-S3TinyMLrobna umetna inteligencakvantizacijalatencaporaba energijepomnilniške zahteveV diplomski nalogi smo ocenili zmogljivost razvojne platforme XIAO ESP32-S3 Sense za izvajanje aplikacij robne umetne inteligence in TinyML. Obravnavali smo prepoznavanje ključnih besed, klasifikacijo slik in zaznavanje objektov ter pri vsaki aplikaciji primerjali različici modela FP32 in INT8. Vpliv kvantizacije smo ovrednotili z meritvami latence izvajanja, porabe energije in ocenjenih pomnilniških zahtev RAM. Rezultati kažejo, da je bil učinek kvantizacije INT8 največji pri slikovnih aplikacijah. Pri klasifikaciji slik se je latenca zmanjšala za 96, 18 %, energija na inferenco za 96, 10 % in pomnilniške zahteve RAM za 62, 55 %. Pri zaznavanju objektov so se navedene količine zmanjšale za 95, 73 %, 95, 85 % in 71, 80 %. Pri prepoznavanju ključnih besed je bilo zmanjšanje latence in energije manjše, pomnilniške zahteve RAM pa so ostale nespremenjene. Rezultati kažejo, da lahko kvantizacija INT8 na platformi ESP32-S3 bistveno zmanjša računske in energijske zahteve, pri čemer je njen učinek odvisen od značilnosti posamezne aplikacije.20262026-09-08 16:35:15Diplomsko delo/naloga187054VisID: 38713sl