Programa do Curso

Introdução

  • Microcontroller vs Microprocessador
  • Microcontrollers concebidos para tarefas de aprendizagem automática

Síntese das características de TensorFlow Lite

  • Inferência de aprendizagem automática no dispositivo
  • Resolver a latência da rede
  • Resolver as restrições de energia
  • Preservar a privacidade

Restrições de um Microcontroller

  • Consumo de energia e tamanho
  • Potência de processamento, memória e armazenamento
  • Operações limitadas

Começar a trabalhar

  • Preparando o ambiente de desenvolvimento
  • Executando um simples Hello World no Microcontroller

Criar um sistema de deteção de áudio

  • Obtenção de um modelo TensorFlow
  • Convertendo o modelo em um TensorFlow Lite FlatBuffer

Serializando o código

  • Converter o FlatBuffer numa matriz de bytes em C

Trabalhar com as bibliotecas C++ da Microcontroller'ss

  • Codificação do microcontrolador
  • Recolha de dados
  • Executar a inferência no controlador

Verificação dos resultados

  • Executar um teste unitário para ver o fluxo de trabalho de ponta a ponta

Criar um sistema de deteção de imagens

  • Classificação de objectos físicos a partir de dados de imagem
  • Criar um modelo TensorFlow a partir do zero

Implementar um dispositivo com IA

  • Execução de inferência num microcontrolador no terreno

Resolução de problemas

Resumo e conclusão

Requisitos

  • Experiência de programação em C ou C++
  • Compreensão básica de Python
  • Compreensão geral dos sistemas incorporados

Público

  • Desenvolvedores
  • Programadores
  • Cientistas de dados com interesse no desenvolvimento de sistemas incorporados
 21 horas

Número de participantes



Preço por participante

Declaração de Clientes (3)

Cursos Relacionados

Using C++ in Embedded Systems - Applying C++11/C++14

21 horas

Categorias Relacionadas