UDEMY [Udemy] Глубокое обучение с использованием Tensorflow Lite на Raspberry Pi (2022)

[AlfaStar]

[Udemy] Глубокое обучение с использованием Tensorflow Lite на Raspberry Pi (2022)​

Рабочий процесс курса:
Этот курс посвящен встроенному глубокому обучению в Python. Raspberry PI 4 используется в качестве основного оборудования, и мы будем создавать практические проекты с пользовательскими данными.

Начнем с приближения тригонометрических функций . В котором мы будем генерировать случайные данные и создавать модель для аппроксимации функции Sin.
Далее идет калькулятор, который принимает изображения в качестве входных данных, строит уравнение и выдает результат. Этот проект, основанный на компьютерном зрении, будет использовать сетевую архитектуру свертки для категориальной классификации .
Другой удивительный проект сосредоточен на сверточной сети, но данные представляют собой пользовательские записи голоса. Мы задействуем немного электроники, чтобы показать результат, управляя несколькими светодиодами с помощью собственного голоса .
Уникальным обучающим моментом в этом курсе является постквантизация, применяемая к тензорным моделям потока, обученным в Google Colab . Уменьшение размера моделей в 3 раза и увеличение скорости логического вывода до 0,03 с на вход.

Разделы:

1. Аппроксимация нелинейной функции
2. Визуальный калькулятор
3. Пользовательский светодиод с голосовым управлением

Результаты после этого курса: Вы можете создавать

• Проекты глубокого обучения на встроенном оборудовании
• Преобразуйте свои модели в модели Tensorflow Lite
• Ускорьте вывод на встроенных устройствах
• Пост-квантование
• Пользовательские данные для проектов AI
• Аппаратно оптимизированные нейронные сети
• Проекты компьютерного зрения с OPENCV
• Глубокие нейронные сети с высокой скоростью вывода

Требования к оборудованию

• Малиновый PI 4
• Банк питания 12 В
• 2 светодиода (красный и зеленый)
• Перемычки
• Хлебная доска
• PI-камера малины V2
• RPI 4 Вентилятор
• Детали, напечатанные на 3D-принтере

Требования к программному обеспечению

• Python3
• Мотивированный ум для огромного проекта по программированию.
  Перед покупкой загляните в репозиторий этого курса на GitHub.

Для кого этот курс:

• Разработчики
• Инженеры-электрики
• Любители искусственного интеллекта

Требования

• Базовое понимание электроники
• Базовое программирование на Python
• Аппаратное обеспечение: Raspberry Pi 4
• Аппаратное обеспечение: внешний аккумулятор 12 В
• Аппаратное обеспечение: Raspberry PI Camera V2
• Оборудование: 2 светодиода (красный и зеленый)
• Аппаратное обеспечение: Хлебная доска
• Аппаратное обеспечение: вентилятор RPI 4
• Аппаратное обеспечение: детали, напечатанные на 3D-принтере
• Аппаратное обеспечение: перемычки

Подробнее:

СКАЧАТЬ

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.