首页
学习
活动
专区
工具
TVP
发布

范传康的专栏

专栏作者
45
文章
123537
阅读量
24
订阅数
tflite模型PC端与嵌入式交叉验证
TFLM(Tensorflow lite micro)验证嵌入式端模型运行,直截了当做法是:对比PC端和嵌入式端运行的tflite模型的输入输出。笔者就TinyML的HelloWorld例程,实践了PC端tflite模型运行情况和MCU端RT1062部署后运行情况。
flavorfan
2022-05-13
2.7K0
TinyML-6:移植到nrf52840淘宝开发板(带源码)
技术到了最后,都是要在实际生活中实践,才有活力;而不是曲高和寡,光是鼓吹技术多牛逼,没有切实改变生活,提高体验,产生经济价值,那样的技术都是耍流氓。
flavorfan
2021-01-24
2K12
TinyML-4:(Quantization) 为什么int8足够用于ML
当神经网络最初被开发时,最大的挑战是使它们能够工作!这意味着训练期间的准确性和速度是重中之重。使用浮点算术是保持精度的最简单方法,并且GPU具备完善的设备来加速这些计算,因此自然不会对其他数字格式给予太多关注。
flavorfan
2021-01-10
1.7K0
【云+社区年度征文】TinyML实践-3:牛运动姿态识别的落地实现
TinyML最近几年才提出,TinyML的书去年才见到,中文版今年在国内才买到。TFLite micro技术也就今年左右才成熟。之前所有的依靠动物身上传感器进行姿态识别的,有一说一,应该都是经典的特征抽取,加上随机森林之类的经典算法实现的。实现起来,需要领域专家进行特征抽取,选择特征反复迭代;部署嵌入式由于实现困难有可能返回去修改模型,重新搞一套;解决完一个问题,新问题又得再来一次流程....
flavorfan
2020-12-11
1.1K0
TinyML实践-1:What & Why TinyML?
机器/深度学习已经如火如荼,各种炫目的效果呈现不穷,笔者也复现一些如stackoverflow assistence、头像动漫化等,但大都需要强大算力,“终端(手机)+云服务器”是基本结构。去年关注到Google TFLite Micro(TFLM)及技术,可以将Tensorflow 模型部署到嵌入式的端末设备(比如arm cortex M4 64M)。恰好手头有一个农业物联网项目,利用嵌入式设备识别牲畜的活动状态,应用了这一个技术。这段时间项目间隙,记录下开发过程的一些心得体会。
flavorfan
2020-12-07
2.2K1
没有更多了
社区活动
RAG七天入门训练营
鹅厂大牛手把手带你上手实战
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档