- Регистрация
- 22 Февраль 2018
- Сообщения
- 11.084
Автор: udemy
Название: Глубокое обучение с использованием Tensorflow Lite на Raspberry Pi (2022)
Описание:
Deep learning using Tensorflow Lite on Raspberry Pi
udemy
Рабочий процесс курса:
Этот курс посвящен встроенному глубокому обучению в Python. Raspberry PI 4 используется в качестве основного оборудования, и мы будем создавать практические проекты с пользовательскими данными.
Начнем с приближения тригонометрических функций . В котором мы будем генерировать случайные данные и создавать модель для аппроксимации функции Sin.
Далее идет калькулятор, который принимает изображения в качестве входных данных, строит уравнение и выдает результат. Этот проект, основанный на компьютерном зрении, будет использовать сетевую архитектуру свертки для категориальной классификации .
Другой удивительный проект сосредоточен на сверточной сети, но данные представляют собой пользовательские записи голоса. Мы задействуем немного электроники, чтобы показать результат, управляя несколькими светодиодами с помощью собственного голоса .
Уникальным обучающим моментом в этом курсе является постквантизация, применяемая к тензорным моделям потока, обученным в Google Colab . Уменьшение размера моделей в 3 раза и увеличение скорости логического вывода до 0,03 с на вход.
Разделы:
- Аппроксимация нелинейной функции
- Визуальный калькулятор
- Пользовательский светодиод с голосовым управлением
Результаты после этого курса: Вы можете создавать
- Проекты глубокого обучения на встроенном оборудовании
- Преобразуйте свои модели в модели Tensorflow Lite
- Ускорьте вывод на встроенных устройствах
- Пост-квантование
- Пользовательские данные для проектов AI
- Аппаратно оптимизированные нейронные сети
- Проекты компьютерного зрения с OPENCV
- Глубокие нейронные сети с высокой скоростью вывода
Требования к оборудованию
- Малиновый PI 4
- Банк питания 12 В
- 2 светодиода (красный и зеленый)
- Перемычки
- Хлебная доска
- PI-камера малины V2
- RPI 4 Вентилятор
- Детали, напечатанные на 3D-принтере
Требования к программному обеспечению
- Python3
- Мотивированный ум для огромного проекта по программированию.
Перед покупкой загляните в репозиторий этого курса на GitHub.
Для кого этот курс:
- Разработчики
- Инженеры-электрики
- Любители искусственного интеллекта
Требования
- Базовое понимание электроники
- Базовое программирование на Python
- Аппаратное обеспечение: Raspberry Pi 4
- Аппаратное обеспечение: внешний аккумулятор 12 В
- Аппаратное обеспечение: Raspberry PI Camera V2
- Оборудование: 2 светодиода (красный и зеленый)
- Аппаратное обеспечение: Хлебная доска
- Аппаратное обеспечение: вентилятор RPI 4
- Аппаратное обеспечение: детали, напечатанные на 3D-принтере
- Аппаратное обеспечение: перемычки
Подробнее:
Скачать:
Название: Глубокое обучение с использованием Tensorflow Lite на Raspberry Pi (2022)
Описание:
Deep learning using Tensorflow Lite on Raspberry Pi
udemy
Рабочий процесс курса:
Этот курс посвящен встроенному глубокому обучению в Python. Raspberry PI 4 используется в качестве основного оборудования, и мы будем создавать практические проекты с пользовательскими данными.
Начнем с приближения тригонометрических функций . В котором мы будем генерировать случайные данные и создавать модель для аппроксимации функции Sin.
Далее идет калькулятор, который принимает изображения в качестве входных данных, строит уравнение и выдает результат. Этот проект, основанный на компьютерном зрении, будет использовать сетевую архитектуру свертки для категориальной классификации .
Другой удивительный проект сосредоточен на сверточной сети, но данные представляют собой пользовательские записи голоса. Мы задействуем немного электроники, чтобы показать результат, управляя несколькими светодиодами с помощью собственного голоса .
Уникальным обучающим моментом в этом курсе является постквантизация, применяемая к тензорным моделям потока, обученным в Google Colab . Уменьшение размера моделей в 3 раза и увеличение скорости логического вывода до 0,03 с на вход.
Разделы:
- Аппроксимация нелинейной функции
- Визуальный калькулятор
- Пользовательский светодиод с голосовым управлением
Результаты после этого курса: Вы можете создавать
- Проекты глубокого обучения на встроенном оборудовании
- Преобразуйте свои модели в модели Tensorflow Lite
- Ускорьте вывод на встроенных устройствах
- Пост-квантование
- Пользовательские данные для проектов AI
- Аппаратно оптимизированные нейронные сети
- Проекты компьютерного зрения с OPENCV
- Глубокие нейронные сети с высокой скоростью вывода
Требования к оборудованию
- Малиновый PI 4
- Банк питания 12 В
- 2 светодиода (красный и зеленый)
- Перемычки
- Хлебная доска
- PI-камера малины V2
- RPI 4 Вентилятор
- Детали, напечатанные на 3D-принтере
Требования к программному обеспечению
- Python3
- Мотивированный ум для огромного проекта по программированию.
Перед покупкой загляните в репозиторий этого курса на GitHub.
Для кого этот курс:
- Разработчики
- Инженеры-электрики
- Любители искусственного интеллекта
Требования
- Базовое понимание электроники
- Базовое программирование на Python
- Аппаратное обеспечение: Raspberry Pi 4
- Аппаратное обеспечение: внешний аккумулятор 12 В
- Аппаратное обеспечение: Raspberry PI Camera V2
- Оборудование: 2 светодиода (красный и зеленый)
- Аппаратное обеспечение: Хлебная доска
- Аппаратное обеспечение: вентилятор RPI 4
- Аппаратное обеспечение: детали, напечатанные на 3D-принтере
- Аппаратное обеспечение: перемычки
Подробнее:
Для просмотра содержимого вам необходимо авторизоваться.
Скачать:
Скрытое содержимое могут видеть только члены группы Премиум.
Скрытый контент для пользователей All-dar.