智慧終端，AI應用的最後一哩路
TensorFlow模型應用於裝置 (含TensorFlow Lite)
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，接下來都是以” Moved TensorFlow Lite Micro out of experimental folder”的原始碼架構來說明如何編譯TensorFlow Lite for Microcontrollers的Hello World example。本次說明並不包含Arduino的部份，因其是使用官方的Arduino_TensorFlowLite程式庫，會用另外一篇文章進行說明。本文都是在Ubuntu 16.04.6 LTS (Xenial Xerus) 64-bit PC (AMD64) desktop系統上進行，並使用Anaconda Distributionx的虛擬環境來管理不同Microcontroller之編譯環境(除了ESP-IDF必需安裝到Ubuntu原生環境外)。首先，先安裝SparkFun Serial Basic Breakout所需使用的USB Serial Port驅動程式，修改/etc/modprobe.d/blacklist.conf加入這一行：
» Read more先前提到，TensorFlow Lite for Microcontrollers專案進展的相當快速；在發文(2019年12月11日)的昨日GitHub上出現更新訊息” Moved TensorFlow Lite Micro out of experimental folder”，代表其已不是TensorFlow Lite的實驗性的專案。文件的部份目前只有TensorFlow官網有做調整，TinyML一書的預覽版在發文的當下並未做修改：
» Read more本次是在ESP-EYE開發套件上執行Hello World example。與先前的的文章所不同的是，本次Windows主機上進行開發，OS為Windows 7 SP1 64Bits。首先在Windows上安裝ESP-IDF環境，使用的是ESP-IDF工具安裝器一次安裝完所需要的軟體，安裝過程中要注意選擇ESP-IDF版本為4.0：
» Read more