В работе представлен новый метод автоматического создания специализированных моделей машинного обучения для устройств с ограниченными вычислительными ресурсами. Предложенный подход основан на обучении с переносом знаний (transfer learning) и позволяет разработчикам получать готовые решения без необходимости написания программного кода. Авторы описывают архитектуру инструмента и демонстрируют работу сверточных нейронных сетей, использующих предобученные модели YAMNet и MobileNetV2 в качестве экстракторов признаков.
Авторы представили инструмент для автоматического создания нейросетей под устройства с ограниченными вычислительными ресурсами, не требующий написания кода. Благодаря использованию трансферного обучения, система позволяет быстро адаптировать тяжелые модели для работы на «слабом» железе, сохраняя при этом высокую производительность.