智慧終端，AI應用的最後一哩路
On-Device AI應用於Linux裝置
本文主要說明Arm NN在RK3399平台Ubuntu進行深度學習推論(inference)，使用的是已訓練好的TensorFlow模型。因Arm NN需要在4GB RAM環境下編譯，本次使用的是 Firefly-RK3399 4GB/128GB 发烧版 開發板，並安裝Ubuntu 16.04作業系統( 映像檔為 FIREFLY-RK3399-UBUNTU16.04-GPT-20190403-1019.img.7z )：
» Read more延續這篇文章，說明2801s晶片廠商更新SDK的內容；若是Indiegogo上AI Vision Developer Kit專案的贊助者請發送電子郵件到On-Device AI Co., Ltd.以取得新版的SDK與SSD物件偵測展示程式。首先說明更新到4.2.0版的SDK(GTISDK-Linux_aarch64_v4.2.0.1.tar.gz)，該SDK也可從晶片廠商官網下載：
» Read more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 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神經網路計算卡上進行目標檢測(Object Detection)推論(Inference)。其中模型的建立、訓練與轉換部份需要在有Nvidia的GPU的電腦上進行，所使用框架為Caffe，算法為SSD(Single Shot MultiBox Detector)。本文是參照廠商的SSD模型工具包(MDK)文件實作後所做的整理，電腦使用的作業系統為Ubuntu 16.04.5 LTS (Xenial Xerus) 64-bit PC (AMD64) desktop，相關檔案的取得請聯絡” 汯采有限公司”購買”AI 64G資料U盤”。首先將SSD算法的相關檔案拷貝到家目錄：
» Read more本文是參照” Install the Intel® Distribution of OpenVINO™ Toolkit for Raspbian* OS”，進行OpenVINO Toolkit安裝與展示程式編譯與執行。硬體部份為Raspberry Pi 3搭配Intel® Neural Compute Stick 2，作業系統為Raspbian；整體組態如下所示：
» Read more接續這篇文章，本文說明如何將USB將USB神經網路計算卡在ARM平台Linux作業系統展示。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；整體組態如下所示：
» Read more本文簡介以Gyrfalcon Technology公司Lightspeeur 2801S晶片為核心的USB神經網路計算卡，並說明如何使用其所附帶SDK在個人電腦(作業系統為Ubuntu Linux)上進行功能展示。USB神經網路計算卡的硬體規格可參考廠商網頁：https://www.global-plus-tech.com/product_1161350.html。以下是Lightspeeur 2801S晶片方案開發情境：
» Read more