Schulungsübersicht

Einführung

  • Microcontroller vs. Mikroprozessor
  • Microcontrollers entwickelt für Aufgaben des maschinellen Lernens

Überblick über TensorFlow Lite Merkmale

  • Maschinelles Lernen auf dem Gerät
  • Lösung der Netzwerklatenz
  • Lösen von Energiebeschränkungen
  • Wahrung der Privatsphäre

Zwänge eines Microcontroller

  • Energieverbrauch und Größe
  • Verarbeitungsleistung, Arbeitsspeicher und Speicherplatz
  • Begrenzte Operationen

Erste Schritte

  • Vorbereiten der Entwicklungsumgebung
  • Ausführen eines einfachen Hello World auf dem Microcontroller

Erstellen eines Audio-Detektionssystems

  • Erhalten eines TensorFlow-Modells
  • Konvertieren des Modells in einen TensorFlow Lite FlatBuffer

Serialisierung des Codes

  • Umwandlung des FlatBuffers in ein C-Byte-Array

Arbeiten mit Microcontroller'ss C++ Bibliotheken

  • Kodierung des Mikrocontrollers
  • Sammeln von Daten
  • Durchführung von Inferenzen auf dem Controller

Überprüfung der Ergebnisse

  • Durchführung eines Einheitstests, um den End-to-End-Workflow zu sehen

Erstellung eines Bilderkennungssystems

  • Klassifizierung physischer Objekte aus Bilddaten
  • Erstellung eines TensorFlow-Modells von Grund auf

Einsatz eines AI-fähigen Geräts

  • Durchführung von Inferenzen auf einem Mikrocontroller im Feld

Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • C- oder C++-Programmiererfahrung
  • Grundlegendes Verständnis von Python
  • Allgemeines Verständnis für eingebettete Systeme

Publikum

  • Entwickler
  • Programmierer
  • Datenwissenschaftler mit Interesse an der Entwicklung eingebetteter Systeme
 21 Stunden

Teilnehmerzahl



Preis je Teilnehmer

Erfahrungsberichte (2)

Verwandte Kategorien