分類：TensorFlow
TensorFlow模型應用於裝置 (含TensorFlow Lite)
在SparkFun Edge開發板上執行TensorFlow Lite for Microcontrollers的Hello World example
在SparkFun Edge開發板上驗證TensorFlow Lite for Microcontrollers
TensorFlow Lite for Microcontrollers是TensorFlow新增項目，其目的就是在Microcontroller(MCU)上運作TensorFlow Lite；官方對應的是SparkFun Edge開發板，用以展示關鍵字語音辨識。本文主要是以這篇AI on a microcontroller with TensorFlow Lite and SparkFun Edge文章，說明軟體開發驗證的部份。附帶一題，相似的專案可以參考先前文章，由於TensorFlow Lite for Microcontrollers還在試驗階段，多數人實測後發現運作遲頓，可參考這篇討論。
» Read more使用uTensor進行手寫數字辨識
uTensor是一套基於mbed和TensorFlow的AI推論程式庫，本文將說明以DISCO-F413ZH開發板搭配觸控螢幕進行手寫數字辨識。專案為MNIST Touch Screen，實作前可先看一下官方提供的展示影片：
» Read more使用Arm NN進行深度學習推論：使用TensorFlow模型
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 moreAI Vision Developer Kit群眾募資項目軟體功能說明
建立TensorFlow Lite for Android應用程式
說明如何使用Android Studio新建一個TensorFlow Lite for Android應用程式(APP)，並在該APP上運作一個自行定義與訓練的模型。於此需用到兩項關鍵技術：
- 使用Python程式語言撰寫基於TensorFlow框架的”機器學習”或”深度學習”程序，並將”訓練”與”驗證”後的成果轉換為TensorFlowLite模型檔(.tflite)
- 使用Java程式語言撰寫Android APP
使用Android Studio編譯TensorFlow Lite for Android展示程式
前一篇文章” 編譯TensorFlow Lite for Android展示與範例程式”說明如何使用bazel來編譯TensorFlow Lite for Android展示（demo）程式，但其並不是開發Android APP常用的方式；因此本文將說明如何使用Android Studio來編譯TensorFlow Lite for Android專案，介紹以下三種方法：首先是編譯第三方包裝好的展示程式原始碼，其次是編譯廠商提供的TfLiteSSDDemo展示專案，最後則為TensorFlow官方編譯展示程式之標準程序。
» Read more編譯TensorFlow Lite for Android展示與範例程式
前面兩篇文章” 安裝Android 8.1到百度人臉識別開發套件”與” TensorFlowLite for Android編譯環境安裝(macOS)”分別設定了硬體與軟體開發環境，接下來說明如何編譯TensorFlow Lite for Android的展示程式。在此特別說明的是，在這邊是使用晶片廠(Rockchip)修改後的TensorFlow版本，用以搭配” 百度人臉識別開發套件”。
» Read moreTensorFlow Lite for Android編譯環境安裝(macOS)
本篇主要是說明如何在macOS下安裝TensorFlow Lite for Android程式開發環境。關於應用程式(APP)的部份我都會在macOS下進行開發，以對應iOS與Android兩套作業系統。
» Read more