Cursusaanbod

Inleiding

  • Microcontroller versus microprocessor
  • Microcontrollers ontworpen voor machine learning-taken

Overzicht van TensorFlow Lite-functies

  • Machine learning-inferentie op het apparaat
  • Netwerklatentie oplossen
  • Energiebeperkingen oplossen
  • Privacy behouden

Beperkingen van een microcontroller

  • Energieverbruik en grootte
  • Verwerkingssnelheid, geheugen en opslag
  • Beperkte bewerkingen

Aan de slag

  • De ontwikkelomgeving voorbereiden
  • Een eenvoudig Hallo Wereld-programma uitvoeren op de microcontroller

Een geluidsdetectiesysteem creëren

  • Een TensorFlow-model verkrijgen
  • Het model converteren naar een TensorFlow Lite FlatBuffer

De code serialiseren

  • Het FlatBuffer converteren naar een C-byte array

Werken met de microcontrollers C++-bibliotheken

  • De microcontroller coderen
  • Data verzamelen
  • Inferentie op de controller uitvoeren

Het resultaat bevestigen

  • Een unit test uitvoeren om het end-to-end-werkproces te zien

Een afbeeldingsdetectiesysteem creëren

  • Fysieke objecten classificeren op basis van afbeeldingsgegevens
  • Een TensorFlow-model vanaf nul creëren

Een AI-gestoorde device implementeren

  • Inferentie uitvoeren op een microcontroller ter plaatse

Probleemoplossing

Samenvatting en conclusie

Vereisten

  • Erfaring met C of C++ programmeren
  • Een basisbegrip van Python
  • Een algemeen begrip van ingesloten systemen

Doelgroep

  • Ontwikkelaars
  • Programmeurs
  • Data wetenschappers met interesse in de ontwikkeling van ingesloten systemen
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Getuigenissen (2)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën