智慧終端，AI應用的最後一哩路
本文介紹以Gyrfalcon Technology公司Lightspeeur 2801S晶片為核心的USB神經網路計算卡使用搭配的PLAI(People Learn AI)軟體進行VGG模型建構與訓練。本文內容參考廠商網頁進行，訓練過程中使用nVidia GPU來加速運算；電腦安裝的作業系統為Ubuntu 16.04.5 LTS (Xenial Xerus) 64-bit PC (AMD64) desktop。PLAI軟體可從”AI 64G資料U盤”中取得：
» Read moreESP-EYE DevKit是上海樂鑫公司針對AIoT(AI + IoT)開發者所提供的開發套件，主打是Voice Wake-up(語音喚醒)與Face Recognition(人臉識別)功能。本文使用的作業環境分別是在Ubuntu 16.04作業系統上進行範例程式編譯與燒錄，在macOS作業系統上進行功能測試；若使用不同環境則請參照原廠相關說明為之。
» Read more延續這篇文章，在訓練前修改run_ssd_training.sh讓訓練過程中會使用到預訓練模型(pre-trained model)權重。最近我試著照原廠方式不使用預訓練模型，並把資訊傳送給廠商：
照GTI的方式訓練SSD，10萬次Loss還是不大會降低；後來發現run_ssd_training.sh內並沒有用到pre-train的model；我之前是有在run_ssd_training.sh加 –weights=$ssd，loss會下降到1 ~ 2間
得到的回覆於下：
只用参照prototxt文件中卷积层的方式定义自己的网络就行了，其他地方同标准的ssd训练方法一样
» Read more延續這篇文章，我們將訓練好的目標檢測(Object Detection)模型於ARM Linux系統上進行推論(Inference)。本次使用的硬體平台為Raspberry Pi 3 Model B+ 樹莓派，軟體使用官方Raspbian Stretch with desktop and recommended software版本；搭配USB神經網路計算卡，整體組態如下所示：
» Read more