104學習精靈

全部 課程 貼文 教室 證照 影片
MCU相關的課程 (4)
從工作推薦課程
MCU韌體設計
對於想要快速上手MCU的學習者,此課程使用WengPic實驗板內建函式,讓你可以快速上手!對於有專題設計的需求者,此MCU課程提供明確乾淨的單元規劃,以及良好範例程式參考。這門MCU課程也適合有驅動程式設計需求的學員,課程會帶你看懂Datasheet,去整理、定義嵌入式程式設計技巧。 學習目標 1.熟悉微控制器一般常用I/O控制與電路設計,如Timer、PWM、ADC、LCD、RTC等 2.熟悉微控制器常用通訊模組,如RS232、I2C、SPI等 3.依原廠Datasheet的說明,從波形與時序關係,逐行引領學員完成驅動 章節架構 Part1-Weng PIC函式庫介紹&開發環境建立 ► Weng PIC函式庫介紹 & 開發環境建立 ► Weng pic開發模組 ► 套件包資料夾介紹 ► MPLAB操作說明 ► 軟體更新操作 ► 燒錄操作 ► LCD函式庫練習 ► button函式庫練習 ► 電位器函式庫練習 ► 繼電器函式庫練習 ► 2.4G RF函式庫練習 Part2-GPIO控制 ► GPIO電路的基本需求 ► PIC18IO埠 ► PIC18F46J50_DataSheet Part3-Button視覺化及狀態圖 ► 視覺化思考與狀態圖 ► 狀態關聯的循環圖 ► 狀態+數位訊號>反應 ► 訊號分析 ► 狀態圖轉換成C語言 ► button實作01 ► 增加歸零功能及其分析 ► 增加連按兩下功能及其狀態分析 Part4-LCD實驗 ► 記憶體配置 ► LCD控制器 ► LCD接腳關係 ► 4位元轉換範例 ► Datasheet_HD44780U ► LCD實作 ► LCD_print位置控制 Part5-ADC實驗 ► 10bit_AD轉換 ► IC內部訊號時序圖 ► AD模組操作 ► 規劃AD模組及使用 ► AD模組操作順序步驟 ► ADC實作 Part6-中斷控制實驗 ► 中斷程式 ► 中斷功能 ► CCP之Compare模式 ► interrupt實作 Part7-Capture:紅外線接收器解碼 ► 紅外線接收模組 ► Capture mode設定 ► 紅外線接收訊號 ► 紅外線功能實作 Part8-PWM調節與控制 ► CCP之PWM模式 ► 頻率與工作週期關係 ► 晶片運作說明 ► CCP暫存器 ► 設定PWM模式與規劃 ► 複製專案的方法 ► PWM練習 Part9-UART與PC端 ► 非同步串列傳輸 ► EUSART傳送方塊圖 ► EUSART接收方塊圖 ► 鮑率計算 ► 非同步傳輸時序圖 ► 傳送接收處理 ► UART傳送_練習 Part10-I2C EEPROM操作 ► I2C控制碼 ► I2C接腳定義 ► I2C練習 ► EEPRO資料寫入操作 ► EEPRO資料讀取操作 Part11-PC端C#圖控介面實作 ► WinMerge軟體操作 ► 除錯訊息_條件式 ► C#開啟UART ► C#圖控介面實作 Part12-SPI控制CC2500 RF無線通訊 ► CC2500驅動程式設計 ► CC2500暫存器 ► CC2500_strobe練習 ► 設定CC2500發射功率 ► CC2500狀態機 ► 封包傳送 ► 封包接收 ► 封包切換傳送與接收 ► 主程式總整理
艾鍗學院
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