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
Erfahrungsberichte (3)
Just getting off the ground and doing some basic things was super useful
Remy Pieron - Facebook
Kurs - Arduino Programming for Beginners
The trainer was very interactive and steadily paced.
Carolyn Yaacoby - Yeshiva University
Kurs - Raspberry Pi for Beginners
The knowledge of the trainer. He was able to answer all of my questions, even questions about our platform. He also continued to help until we all understood the material.