说到边缘，那是和中心相对应的一个词，过去多讲客户端+服务器，或者华为云、阿里云等云中心，也就是多分布在中心区域，后来去中心开始流行，比如比特币就被认为是去中心化的一种技术（区块链），而正式提出边缘计算的是施巍松（WeiSong Shi）教授（美国韦恩州立大学终身教授），后来也有雾计算等概念的提出，但是最终边缘计算被确定定位，甚至被认为是AI的发展方向，也是和云计算不同的另一种架构，即使现在，这个技

人工智能正在成为边缘计算的战场，边缘AI如何发展？运行神经网络的推理引擎、机器学习硬件（运行载体系统），设计学习技术的转移、神经网络优化、量化和剪枝，在训练过程中，模型调整每个神经元的权重，拆分网络对于边缘调优非常有用，很多训练转移到处理能力更强的但仍接近边缘的设备上运行，为边缘应用创建规模缩小50-100倍的神经网络，训练后节点的权重实际上可能为0，使用32位作为网络的基础有助于实现最大精度，当

FTDI有实现USB转串口的芯片，也有通过USB转FIFO方式，实现USB转并口的芯片。

网友推荐了Code::Blocks、Eclipse、KDevelop、Qt Create、clion、vscode、anjuta等，qt create的安装:sudo add-apt-repository ppa:levi-armstrong/qt-libraries-xenialsudo add-apt-repository ppa:levi-armstrong/ppasudo apt-get

人工智能正在成为边缘计算的战场，边缘AI如何发展？运行神经网络的推理引擎、机器学习硬件（运行载体系统），设计学习技术的转移、神经网络优化、量化和剪枝，在训练过程中，模型调整每个神经元的权重，拆分网络对于边缘调优非常有用，很多训练转移到处理能力更强的但仍接近边缘的设备上运行，为边缘应用创建规模缩小50-100倍的神经网络，训练后节点的权重实际上可能为0，使用32位作为网络的基础有助于实现最大精度，当

人工智能正在成为边缘计算的战场，边缘AI如何发展？运行神经网络的推理引擎、机器学习硬件（运行载体系统），设计学习技术的转移、神经网络优化、量化和剪枝，在训练过程中，模型调整每个神经元的权重，拆分网络对于边缘调优非常有用，很多训练转移到处理能力更强的但仍接近边缘的设备上运行，为边缘应用创建规模缩小50-100倍的神经网络，训练后节点的权重实际上可能为0，使用32位作为网络的基础有助于实现最大精度，当

人工智能正在成为边缘计算的战场，边缘AI如何发展？运行神经网络的推理引擎、机器学习硬件（运行载体系统），设计学习技术的转移、神经网络优化、量化和剪枝，在训练过程中，模型调整每个神经元的权重，拆分网络对于边缘调优非常有用，很多训练转移到处理能力更强的但仍接近边缘的设备上运行，为边缘应用创建规模缩小50-100倍的神经网络，训练后节点的权重实际上可能为0，使用32位作为网络的基础有助于实现最大精度，当