طبق جستجوهایی که انجام دادم:
استفاده از Tengine : Tengine تحت رهبری OPEN AI LAB توسعه یافته است.این پروژه نیاز به استقرار سریع و کارآمد مدل های شبکه عصبی یادگیری عمیق را در دستگاه های تعبیه شده درک می کند. اطلاعات بیشتر در این لینک
Arm NN: Arm NN کارآمدترین موتور استنتاج یادگیری ماشین (ML) برای اندروید و لینوکس است که ML را در پردازندههای Arm Cortex-A و پردازندههای گرافیکی Arm Mali تسریع میکند . اطلاعات بیشتر در این لینک
CMSIS NN : این کتابچه راهنمای کاربر کتابخانه نرم افزار CMSIS NN را شرح می دهد، مجموعه ای از هسته های شبکه عصبی کارآمد که برای به حداکثر رساندن عملکرد و به حداقل رساندن ردپای حافظه شبکه های عصبی در هسته های پردازنده Cortex-M توسعه یافته اند. اطلاعات بیشتر در این لینک
ONNX : تبادل شبکه عصبی باز (ONNX) یک اکوسیستم باز است که توسعه دهندگان هوش مصنوعی را قادر می سازد تا ابزارهای مناسب را در حین تکامل پروژه خود انتخاب کنند. اطلاعات تکمیلی در این لینک
یک کتابخانه open source به نام tensorflow-on-arm
کتابخانه TensorflowLite
استفاده از PyTorch 2.0
استفاده از پلتفرم Deeplite Neutrino