Making Machine-Learning Design Practical for the Edge

 ElectronicDesign 2020/8/31報導「Making Machine-Learning Design Practical for the Edge」，介紹了如何使機器學習（或說人工智慧）在邊緣裝置上能順利運作，其中有一張圖畫的很好。
擷取資料、訓練和優化、在目標上測試及佈署韌體這四大工作不斷循環，而不再只是訓練完佈署後部收工，提供大家參考。

https://base.imgix.net/files/base/ebm/electronicdesign/image/2020/07/Fig_2.5f063277329c2.png?auto=format&fit=max&w=1440

這篇報導中還討論了兩個重點，包括如何佈署神經網路到邊緣裝置及如何實現正確的精度，更完整的報導可參考 https://www.electronicdesign.com/technologies/iot/article/21136192/making-machinelearning-design-practical-for-the-edge?fbclid=IwAR2btp8UAGh53_wzGa9tA6E3HbSVSXoGXxa25to2RehfC-KnfoZjHZghJuA

#EdgeAI #EtaCompute

Computer Vision: Algorithms and Applications 第二版來了

 研究電腦視覺的朋友一定都知道Richard Szeliski這位大老編的「Computer Vision: Algorithms and Applications」，這本精典教科書它集結了近三十年的研究，還免費提供電子檔給大家下載，當年我也花了大半年在研讀才小有成果。

好消息來了，它準備出第二版了，加入深度學習並修正了影像辨別、特徵提取、對位及計算攝影學部份，有興趣的朋友趕快手刀去下載最新草稿版拜讀一下吧！

http://szeliski.org/Book/

#EdgeAI #ComputerVision

MicroPython Pyboard v1.1 & uTensor

 之前沒玩過MicroPython，昨天看到朋友在推 Pyboard v1.1，感覺板子還不錯，短小精幹，加上上週六(2020/8/29)去參加uTensor的分享會，突然想到或許這兩者的結合，會勝過Edge Impulse + Arduino Nano 33 BLE Sense的 tinyML，或者說可以相互支援，有興趣的朋友可以參考一下。

MicroPython Pyboard v1.1

https://micropython.org/?fbclid=IwAR0pZ7fvktcU88-qse16M-uUvGgzOZi-79MJwQYANaMzC-byYWp9TvpxcqM

 

uTensor 

https://github.com/uTensor/uTensor

 

Edge Impulse 

https://www.edgeimpulse.com/

 

Edge Impulse Github 

https://github.com/edgeimpulse

 

#EdgeAI #MicroPython #Pyboard #uTensor #EdgeImpluse #Arduino #Nano33BLESense