一旦您為物聯(lián)網(wǎng)開發(fā)制定了路線，您就可以將其提升到一個新的水平。下一個級別可能包括主動說話者識別或預測性維護等功能，僅舉幾例。用于完成此類功能的一種技術(shù)是實現(xiàn)機器學習。這是通過利用可用的更高性能硬件和相關(guān)軟件來最大化系統(tǒng)性能的最佳方式。

　　雖然機器學習對于嵌入式計算領(lǐng)域來說仍然相對較新，但每個主要處理器供應商（英特爾、AMD、nVidia 等）都有自己的機器學習實施方法，并且每家都在快速推出新技術(shù)。任何這些處理器都可以啟用使用 SUSE 工具的實現(xiàn)。對于每一個容器，都可以使用（或很快）基于支持 TensorFlow 的閃存映像的容器，TensorFlow 是用于機器學習的開源框架。

　　在短短幾年內(nèi)，TensorFlow已被開發(fā)人員社區(qū)欣然接受為免費的開源框架，并憑借其在眾多平臺上的易用性和部署在機器學習領(lǐng)域占據(jù)領(lǐng)先地位。該框架允許您開發(fā)機器學習應用程序中使用的神經(jīng)網(wǎng)絡。與 TensorFlow 一起使用的編程語言的數(shù)量持續(xù)增長，其中包括所有主要語言，如 C++、Python、Java 和 JavaScript。許多其他人都可以使用第三方軟件包。

　　在物聯(lián)網(wǎng)邊緣部署機器學習已變得司空見慣，出于各種原因遠離云端。首先，上述微處理器能力足以滿足許多處理需求。其次，在邊緣處理機器學習消除了與將數(shù)據(jù)推送到云端并返回相關(guān)的任何延遲。在實時或接近實時的應用程序中，節(jié)省的時間可能會成就或破壞您的應用程序。例如，如果您正在設計一種醫(yī)療設備，那么實時執(zhí)行某項操作可能意味著患者的生死攸關(guān)?；蛘?，對于自動駕駛應用程序，將信息移動到云端可能會導致崩潰（字面意思）。

　　最后，在邊緣處理數(shù)據(jù)消除了與向/從云傳輸和接收數(shù)據(jù)相關(guān)的成本。假設蜂窩是您的傳輸媒介，當您考慮為機器學習應用程序推送的大量數(shù)據(jù)時，成本可能會迅速上升。通常只有計算最密集的應用程序才需要僅在云中可用的大量資源。

　　SUSE 的嵌入式 Linux 操作系統(tǒng)可以內(nèi)置到最終應用程序中，以實現(xiàn)安全、靈活和可擴展的系統(tǒng)，該系統(tǒng)基于經(jīng)過驗證的、經(jīng)過時間考驗的操作系統(tǒng)。正如物聯(lián)網(wǎng)系統(tǒng)設計人員所發(fā)現(xiàn)的那樣，該操作系統(tǒng)可以輕松地在一系列平臺、應用程序和行業(yè)中開發(fā)、維護、發(fā)展和管理嵌入式 Linux 物聯(lián)網(wǎng)系統(tǒng)。它的開源特性允許使用各種設備、硬件和設備。

　　在使開發(fā)人員能夠在他們已經(jīng)習慣的環(huán)境中運行的同時，SUSE Embedded Linux 操作系統(tǒng)提供了對工具和培訓的即時訪問、實時安全性以及整個產(chǎn)品生命周期的全面支持，包括代碼修復、補丁和更新。靈活的訂閱模式可以最大限度地降低成本并允許產(chǎn)品擴展。

　　現(xiàn)在您有了路線圖和行軍命令。讓機器學習指導您的應用程序，如果實施得當，它會告訴您下一步是什么。

　　審核編輯：郭婷