Struttura del corso
Introduzione
- Microcontroller contro microprocessore
- Microcontrollerprogettato per le attività di machine learning
Panoramica delle TensorFlow Lite Caratteristiche
- Inferenza di Machine Learning sul dispositivo
- Risolvere la latenza di rete
- Risolvere i vincoli di potenza
- Preservare la privacy
Vincoli di un Microcontroller
- Consumo e dimensioni dell'energia
- Potenza di elaborazione, memoria e archiviazione
- Operazioni limitate
Introduttiva
- Preparazione dell'ambiente di sviluppo
- Esecuzione di un semplice Hello World su Microcontroller
Creazione di un sistema di rilevamento audio
- Ottenere un modello TensorFlow
- Conversione del modello in un TensorFlow Lite FlatBuffer
Serializzazione del codice
- Conversione di FlatBuffer in una matrice di byte C
Lavorare con le librerie C++ di Microcontroller
- Codifica del microcontrollore
- Raccolta dei dati
- Esecuzione dell'inferenza sul controller
Verifica dei risultati
- Esecuzione di uno unit test per visualizzare il flusso di lavoro end-to-end
Creazione di un sistema di rilevamento delle immagini
- Classificazione di oggetti fisici dai dati dell'immagine
- Creazione di TensorFlow modelli da zero
Distribuzione di un dispositivo abilitato per l'intelligenza artificiale
- Esecuzione dell'inferenza su un microcontrollore sul campo
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Esperienza di programmazione in C o C++
- Una conoscenza di base di Python
- Una conoscenza generale dei sistemi embedded
Pubblico
- Gli sviluppatori
- Programmatori
- Data scientist con un interesse per lo sviluppo di sistemi embedded
Recensioni (2)
Sean was a dynamic speaker and the hands-on exercises were very interesting and I can see how they will be really applicable.
Temira Koenig - Yeshiva University
Corso - Raspberry Pi for Beginners
The aquisition of useful knowlwdge and clarification of some things I was not sure of peviously.