智慧終端，AI應用的最後一哩路
在此說明使用OpenMV H7機器視覺模組進行深度學習之影像辨識(影像分類)。簡單介紹一下OpenMV專案：OpenMV是一款小巧，低功耗，低成本的電路板，它幫助你很輕鬆的完成機器視覺(machine vision)應用；你可以透過高階程式語言Python(準確的說是MicroPython)，而不是C/C++來進行程式設計。本文會一併討論深度模型建模、訓練與轉換模型到OpenMV上，將用到Caffe這個深度學習框架；因此，所有的實作都會在Ubuntu Linux 16.04 64Bits作業系統上進行。
» 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 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本文說明如何在ARM Crotex-M MCU，以DS-CNN精準進行關鍵字萃取。DS-CNN中文介紹請參考”2019年版嵌入式系統設計解密”之”邊緣運算篇”中相關文章；以下是講解如何編譯與執行ARM提供程式碼。本次開發環境是在Ubuntu 16.04 64 Bits作業系統，預先安裝的環境請參考這篇文章；目標板為Discovery kit with STM32F746NG MCU，目標板在使用前需更新ST-LINK/V2 韌體，詳細步驟請參考這篇文章。
» 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