Course Outline

Εισαγωγή

    Microcontroller έναντι μικροεπεξεργαστή Microcontroller που έχουν σχεδιαστεί για εργασίες μηχανικής εκμάθησης

Επισκόπηση των TensorFlow Lite Χαρακτηριστικών

    Συμπεράσματα μηχανικής εκμάθησης στη συσκευή Επίλυση λανθάνοντος χρόνου δικτύου Επίλυση περιορισμών ισχύος Διατήρηση απορρήτου

Περιορισμοί ενός Microcontroller

    Κατανάλωση ενέργειας και μέγεθος Ισχύς επεξεργασίας, μνήμη και αποθήκευση Περιορισμένες λειτουργίες

Ξεκινώντας

    Προετοιμασία του περιβάλλοντος ανάπτυξης Εκτέλεση ενός απλού Hello World στο Microcontroller

Δημιουργία συστήματος ανίχνευσης ήχου

    Απόκτηση μοντέλου TensorFlow Μετατροπή του μοντέλου σε TensorFlow Lite FlatBuffer

Σειροποίηση του Κώδικα

    Μετατροπή του FlatBuffer σε πίνακα byte C

Εργασία με τις βιβλιοθήκες C++ του Microcontroller

    Κωδικοποίηση του μικροελεγκτή Συλλογή δεδομένων Εκτέλεση συμπερασμάτων στον ελεγκτή

Επαλήθευση των αποτελεσμάτων

    Εκτέλεση δοκιμής μονάδας για να δείτε τη ροή εργασίας από άκρο σε άκρο

Δημιουργία συστήματος ανίχνευσης εικόνας

    Ταξινόμηση φυσικών αντικειμένων από δεδομένα εικόνας Δημιουργία TensorFlow μοντέλου από την αρχή

Ανάπτυξη μιας συσκευής με δυνατότητα AI

    Εκτέλεση συμπερασμάτων σε μικροελεγκτή στο πεδίο

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Requirements

  • Εμπειρία προγραμματισμού C ή C++
  • Μια βασική κατανόηση του Python
  • Μια γενική κατανόηση των ενσωματωμένων συστημάτων

Ακροατήριο

  • προγραμματιστές
  • Προγραμματιστές
  • Επιστήμονες δεδομένων με ενδιαφέρον για την ανάπτυξη ενσωματωμένων συστημάτων
 21 Hours

Number of participants



Price per participant

Testimonials (3)

Related Courses

Arduino Programming for Beginners

21 Hours

Raspberry Pi for Beginners

14 Hours

C++ for Embedded Systems

21 Hours

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

21 Hours

Related Categories