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)