On-Device AI

接續前面文章與環境設定，進行TensorFlow Lite for Microcontrollers的Micro speech example實作。這個實作對應SparkFun Edge、STM32F7 discovery kit與Arduino Nano 33 BLE Sense三塊開發板，SparkFun Edge與STM32F7 discovery kit開發板的實作環境在Ubuntu 16.04 64bits Linux，Arduino Nano 33 BLE Sense開發板的實作環境在Windows 7 64bits上。另外，請參照閱讀TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers一書的第7章與第8章，以瞭解程式碼的細節與範例運作方式。首先，進行SparkFun Edge開發板的實作；在tensorflow原始碼的目錄下，先進入SparkFun編譯的Python虛擬環境：

» Read more

接續前面文章與環境設定，進行TensorFlow Lite for Microcontrollers的Person detection example實作。這個實作只對應SparkFun Edge與Arduino Nano 33 BLE Sense兩塊開發板，SparkFun Edge開發板的實作環境在Ubuntu 16.04 64bits Linux，Arduino Nano 33 BLE Sense開發板的實作環境在Windows 7 64bits上。另外，請參照閱讀TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers一書的第9章與第10章，以瞭解程式碼的細節與範例運作方式。首先，進行SparkFun Edge開發板的實作；在tensorflow原始碼的目錄下，先進入SparkFun編譯的Python虛擬環境：

» Read more

接續前面文章與環境設定，進行TensorFlow Lite for Microcontrollers的Magic wand example實作。這個實作只對應SparkFun Edge與Arduino Nano 33 BLE Sense兩塊開發板，SparkFun Edge開發板的實作環境在Ubuntu 16.04 64bits Linux，Arduino Nano 33 BLE Sense開發板的實作環境在Windows 7 64bits上。另外，請參照閱讀TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers一書的第11章與第12章，以瞭解程式碼的細節。首先，進行SparkFun Edge開發板的實作；在tensorflow原始碼的目錄下，先進入SparkFun編譯的Python虛擬環境：

» Read more

本次說明”非官方”的Arduino開發板如何執行TensorFlow Lite for Microcontrollers的Hello World example。一樣是在Windows7 64Bits上進行驗證。程式庫安裝與使用請參閱前面的文章，注意需選擇非” precompiled”的版本。首先介紹Linkit 7697開發板的Arduino部份，先將相關軟體元件安裝起來：

» Read more

接續前文，本文說明在Arduino上執行TensorFlow Lite for Microcontrollers的Hello World example；舊的版本與相關設定請參考之前文章。本次使用的開發板為Arduino MKRZERO與Arduino Nano 33 BLE Sense，開發環境則是Windows 7 64Bits。首先下載並安裝Arduino IDE，安裝完後先點選選單上的”管理程式庫”：

» Read more

延續前面的文章，近期TinyML一書的早期釋出版本新增不少的內容，由原先的六章擴增到二十一章。主要是因應TensorFlow Lite for Microcontrollers專案的快速發展而做的更新，也可以在Oreilly網站上試讀：

» Read more