Según la revisión, la inferencia suele ejecutarse en el dispositivo en el campo, mientras que el entrenamiento permanece en la nube. La cuantización aparece en más de la mitad de las aplicaciones; la poda estructurada y la búsqueda de arquitecturas neuronales son poco comunes.
Los autores afirman que la escasez de datos sobre memoria flash, RAM, operaciones y energía por inferencia dificulta la reproducibilidad y la comparación justa. Proponen una arquitectura que abarca sensores, inferencia, procesamiento en el borde y entrenamiento en la nube.
Por qué importa
La revisión explica la utilidad potencial de la inferencia local en explotaciones pequeñas con conectividad intermitente y señala carencias que dificultan evaluar los sistemas.
Una idea para probar
En un proyecto hipotético de sensores agrícolas, planifica informar de la precisión, además de RAM, memoria flash, latencia y energía por inferencia.
Inicia la conversación.