本稿では、ラズベリーパイなどのリソース制約に事前訓練された大規模オーディオニューラルネットワークを展開する際のパフォーマンスの変化を分析します。 CPUの温度、マイクの品質、オーディオ信号の音量がパフォーマンスに与える影響を実験的に研究し、継続的なCPU使用による温度上昇がラズベリーパイの自動速度低下メカニズムを作動させ、推論遅延時間に影響を与えることを明らかにします.また、Google AIY Voice Kitなどの安価なデバイスのマイク品質とオーディオ信号の音量がシステムのパフォーマンスに影響することを示しています。ラズベリーパイのライブラリ互換性と独自のプロセッサアーキテクチャ要件に関連するかなりの困難を経験しました。この観察は、将来の研究者がリアルタイムアプリケーション用のエッジデバイスにAIモデルを展開する際に、よりコンパクトな機械学習モデルを開発し、熱放散ハードウェアを設計し、適切なマイクを選択するのに貢献する可能性があります。
