Edge Impulse解決方案之Recognize sounds from audio教學實作

接續前面文章,接下來進行Recognize sounds from audio教學實作,請同時參閱官方教學文章。本文為了方便說明,就直接使用Running faucet預建資料集,若想自行製作資料集就請參考官方教學文章之說明。首先,下載資料集並解壓縮,使用以下命令將資料集上傳至Edge Impulse平台:

» Read more

Edge Impulse解決方案之Continuous motion recognition教學實作

接續前面文章,接下來進行Continuous motion recognition教學實作,過程中請同步閱讀官方教學文章。本文為了方便說明,就直接使用Prebuilt dataset : Continuous gestures資料集,若想自行製作資料集請參考官方教學文章之說明。首先,下載資料集並解壓縮,在Node.js command prompt中使用以下命令將資料集上傳至Edge Impulse平台:

» Read more

Edge Impulse解決方案之軟硬體環境設置

本次在tinyML Summit 2020會場,有遇到新創企業的Edge Impulse的CEO,談到其平台已經開放,希望我這邊使用並做反饋。因此以官方說明文件做為基礎,接下來會有一系列文章分享該解決方案之使用心得。本文是系列的第一篇,說明環境設置部份;開發主機使用Windows 10作業系統,用到的是B-L475E-IOT01A開發板,此開發板可由天瓏書局處購得。第一步,到此申請帳號密碼,才能使用該解決方案。接著,在Windows上下載與安裝Python 2.7(python-2.7.17.amd64.msi),下載與安裝Node.js v12(node-v12.16.1-x64.msi),以及下載與安裝ST Link驅動程式:

» Read more

TensorFlow Lite for Microcontrollers的Micro speech example實作

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

TensorFlow Lite for Microcontrollers的Person detection example實作

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

TensorFlow Lite for Microcontrollers的Magic wand example實作

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

在Hatch One與Linkit 7697上執行TensorFlow Lite for Microcontrollers的Hello World example

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” 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

於Arduino上執行TensorFlow Lite for Microcontrollers的Hello World example

接續前文,本文說明在Arduino上執行TensorFlow Lite for MicrocontrollersHello 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
1 2 3 4 ... 6