Plan Szkolenia
Wprowadzenie
- Microcontroller vs mikroprocesor
- Microcontroller zaprojektowane do zadań uczenia maszynowego
Przegląd funkcji TensorFlow Lite
- Wnioskowanie uczenia maszynowego na urządzeniu
- Rozwiązywanie problemów z opóźnieniami w sieci
- Rozwiązywanie ograniczeń mocy
- Zachowanie prywatności
Ograniczenia Microcontroller
- Zużycie energii i rozmiar
- Moc obliczeniowa, pamięć i pamięć masowa
- Ograniczone operacje
Pierwsze kroki
- Przygotowanie środowiska programistycznego
- Uruchamianie prostego Hello World na Microcontroller
Tworzenie systemu wykrywania dźwięku
- Uzyskiwanie modelu TensorFlow
- Konwersja modelu do TensorFlow Lite FlatBuffer
Serializacja kodu
- Konwersja FlatBuffer na tablicę bajtów C
Praca z bibliotekami Microcontroller'ss C++
- Kodowanie mikrokontrolera
- Zbieranie danych
- Uruchamianie wnioskowania na kontrolerze
Weryfikacja wyników
- Uruchomienie testu jednostkowego, aby zobaczyć kompleksowy przepływ pracy
Tworzenie systemu wykrywania obrazów
- Klasyfikowanie obiektów fizycznych na podstawie danych obrazu
- Tworzenie modelu TensorFlow od podstaw
Wdrażanie urządzenia obsługującego sztuczną inteligencję
- Uruchamianie wnioskowania na mikrokontrolerze w terenie
Rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Doświadczenie w programowaniu w języku C lub C++
- Podstawowe zrozumienie Python
- Ogólne zrozumienie systemów wbudowanych
Uczestnicy
- Deweloperzy
- Programiści
- Naukowcy danych zainteresowani rozwojem systemów wbudowanych
Opinie uczestników (2)
Sean był dynamicznym prelegentem, a ćwiczenia praktyczne były bardzo interesujące i widzę, jak będą one naprawdę zastosowane.
Temira Koenig - Yeshiva University
Szkolenie - Raspberry Pi for Beginners
Przetłumaczone przez sztuczną inteligencję
Zdobywanie przydatnych wiedzy i rozjaśnianie niektórych spraw, o których wcześniej nie byłem pewien.
Kenneth Mahoney - University of Glasgow
Szkolenie - Arduino: Programming a Microcontroller for Beginners
Przetłumaczone przez sztuczną inteligencję