AI邊緣運算實作TensorFlowLite for MCU
TensorFlow Lite for MCU正是專為邊緣裝置設計的TensorFlow模型預測框架，是TensorFlow的精簡版本，讓開發者可以在物聯網與嵌入式裝置中部署微型機器學習模型。 本課程將教授AI模型如何部署於微控制器，包含模型訓練、模型最佳化以及TensorFlow Lite框架的程式開發等。在實作上搭配Sparkfun edge board (ARM cortex M4)，說明如何以TensorFlow Lite 在微控制器上開發人工智慧專案。課程安排的三個專案實作，跨足AI在圖像、語音、感測訊號的三大應用領域，包含連續圖像輸入的人臉偵測、連續語音訊號輸入的語音識別、連續感測訊號輸入的姿態識別。在課程中也會特別解說MCU是如何處理這些讀入的連續輸入資料(包含圖像、語音、感測訊號)及模型輸出後的處理，才能讓AI系統更加穩健。
✔搭配硬體，學習才有感
透過 SparkFun Edge 硬體裝置，實戰開發 TinyML 的AI應用。
✔實戰三大AI專案，還提供程式源碼
進行微控制器上面的AI開發專案，包含人臉偵測、語音識別、姿態識別三大專案。
✔老師傅才能讓你快速抓到開發的眉角
汲取業師的實務開發經驗，讓你少走冤枉路。縮短專案開發時程，就是省錢。
【學習目標】
1. 了解 Edge AI 的應用、限制與挑戰。
2. 了解 Tensorflow Lite for MCU 的軟體程式架構與開發流程。
3. 了解最佳化 ML 模型的方法：量化、剪枝、壓縮原理。
4. 了解 AI模型如何部署於微控制器，包含開發環境建立、模型訓練、模型最佳化等。
5. 了解 MCU該如何處理這些讀入的連續輸入資料(包含圖像、語音、感測訊號)及模型模型輸出後的處理等。
【章節架構】
Edge AI 與MCU起手式
1. 簡介MCU世界的邊緣運算
2. Edge AI(TinyML)的開發流程
3. SparkFun Edge Board硬體介紹
4. SparkFun Edge SDK架構說明
5. 建立編譯開發環境
6. 動手作
1) -建置第一個hello word專案
2) -LED 跑馬燈、按鍵讀取
3) -程式燒錄流程
Tensorflow Lite for MCU實作開發
1. AI於微控制器的開發流程說明
2. 優化: 模型量化、運算子優化
3. TF Lite FlatBuffer 格式
4. Tensorflow Lite for MCU程式框架說明
5. 專案實作
1) -揮動姿態識別(配合3軸加速器)
2) -偵測有無人臉(配合camera sensor)
3) -語音字詞識別(配合麥克風)
艾鍗學院
