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
  21 ore

Numero di Partecipanti


Data Inizio

Data Fine


Le date sono soggette a disponibilità e si svolgono tra le 09:30 e le 16:30.

Prezzo per Partecipante

Recensioni (3)

Corsi relativi

Using C++ in Embedded Systems - Applying C++11/C++14

  21 ore

Categorie relative