Course Outline

Introductie

  • De baanbrekende rol van TensforFlow Lite op het gebied van embedded systemen en IoT

Overzicht van TensorFlow Lite-functies en -bewerkingen

  • Beperkte apparaatbronnen aanpakken 
  • Standaard en uitgebreide bewerkingen

Instellen TensorFlow Lite

  • De TensorFlow Lite-interpreter installeren
  • Andere TensorFlow pakketten installeren
  • Werken vanaf de opdrachtregel versus Python API

Een model kiezen om op een apparaat uit te voeren

  • Overzicht van vooraf getrainde modellen: beeldclassificatie, objectdetectie, slim antwoord, poseschatting, segmentatie
  • Een model kiezen uit TensorFlow Hub of een andere bron

Een vooraf getraind model aanpassen

  • Hoe werkt transfer learning?
  • Een afbeeldingsclassificatiemodel opnieuw trainen

Een model converteren

  • Inzicht in het TensorFlow Lite-formaat (grootte, snelheid, optimalisaties, enz.)
  • Een model converteren naar de TensorFlow Lite-indeling

Een voorspellingsmodel uitvoeren

  • Begrijpen hoe het model, de interpreter en de invoergegevens samenwerken
  • De tolk bellen vanaf een apparaat
  • Gegevens door het model laten lopen om voorspellingen te verkrijgen

Modelbewerkingen versnellen

  • Inzicht in on-board acceleratie, GPUs, enz.
  • Gedelegeerden configureren om bewerkingen te versnellen

Modelbewerkingen toevoegen

  • TensorFlow selecteren gebruiken om bewerkingen aan een model toe te voegen.
  • Een aangepaste versie van de interpreter bouwen
  • Aangepaste operators gebruiken om nieuwe bewerkingen te schrijven of over te zetten

Optimaliseren van het model

  • Inzicht in de balans tussen prestaties, modelgrootte en nauwkeurigheid
  • De Model Optimization Toolkit gebruiken om de grootte en prestaties van een model te optimaliseren
  • Kwantisatie na de training

Probleemoplossing

Samenvatting en conclusie

Requirements

  • Een goed begrip van deep learning-concepten
  • Python-programmeerervaring
  • Een apparaat met embedded Linux (Raspberry Pi, Coral-apparaat, etc.)

Publiek

  • Ontwikkelaars
  • Datawetenschappers met interesse in embedded systemen
 21 Hours

Number of participants



Price per participant

Getuigenissen (5)

Related Courses

Buildroot: a Firmware Generator for Embedded Systems

7 Hours

LEDE: Set Up a Linux Wireless Router

7 Hours

Shadowsocks: Set Up a Proxy Server

7 Hours

Yocto Project

28 Hours

The Yocto Project - An Overview - hands-on

28 Hours

TensorFlow Lite for Android

21 Hours

TensorFlow Lite for iOS

21 Hours

Tensorflow Lite for Microcontrollers

21 Hours

Embedded Linux Systems Architecture

35 Hours

Embedded Linux Kernel and Driver Development

14 Hours

Introduction to Embedded Linux (Hands-on training)

14 Hours

Embedded Linux: Building a System from the Ground Up

14 Hours

Embedded System Programme

140 Hours

Embedded GNU/Linux Kernel Internals and Device Drivers

35 Hours

NetApp ONTAP

35 Hours

Related Categories