|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/deep-learning-using-tensorflow-lite-on-raspberry-pi/
课程评论：没有评论
**课程名称：** 使用 TensorFlow Lite 在 Raspberry Pi 上进行深度学习（Deep learning using Tensorflow Lite on Raspberry Pi） **课程概述：** 本课程专注于嵌入式深度学习，使用 Python 语言。课程将以 Raspberry Pi 4 为主要硬件平台，通过构建实际项目来学习。 **课程内容：** 1. **三角函数近似：** 生成随机数据，构建模型来近似正弦函数。 2. **视觉计算器（Visual Calculator）：** 这是一个计算机视觉项目，输入图像，构建方程并计算结果。将使用卷积神经网络（CNN）进行分类。 3. **自定义语音控制 LED：** 另一个基于卷积神经网络的项目，但使用自定义的语音录音作为数据。课程将涉及一些电子操作，通过语音控制多个 LED。 **独特学习点：** * **模型后量化（Post Quantization）：** 将在 Google Colab 上训练的 TensorFlow 模型进行后量化，将模型大小减小至原来的三分之一，并将推理速度提升至每秒 0.03 秒。 **课程章节：** * 非线性函数近似 * 视觉计算器 * 自定义语音控制 LED **课程产出：** * 能够创建嵌入式硬件上的深度学习项目。 * 将模型转换为 TensorFlow Lite 模型。 * 提升嵌入式设备的推理速度。 * 掌握后量化技术。 * 学习使用自定义数据进行 AI 项目。 * 构建硬件优化的神经网络。 * 使用 OpenCV 进行计算机视觉项目。 * 实现具有快速推理速度的深度神经网络。 **硬件要求：** * Raspberry Pi 4 * 12V 移动电源 * 2个 LED（红色和绿色） * 跳线、面包板 * Raspberry Pi Camera V2 * RPI 4 风扇 * 3D 打印零件 **软件要求：** * Python 3 * 一颗投身大型编程项目的进取心 **重要提示：** 在购买前，请查看此课程的 GitHub 存储库。 **教学大纲：** 无
Course Workflow:This course is focused on Embedded Deep learning in Python. Raspberry PI 4 is utilized as a main hardware and we will be building practical projects with custom data.We will start with trigonometric functions approximation. In which we will generate random data and produce a model for Sin function approximationNext is a calculator that takes images as input and builds up an equation and produces a result.This Computer vision based project is going to be using convolution network architecture for Categorical classificationAnother amazing project is focused on convolution network but the data is custom voice recordings. We will involve a little bit of electronics to show the output by controlling our multiple LEDs using own voice.Unique learning point in this course is Post Quantization applied on Tensor flow models trained on Google Colab. Reducing size of models to 3 times and increasing inferencing speed up to 0.03 sec per input. Sections :Non-Linear Function ApproximationVisual CalculatorCustom Voice Controlled LedOutcomes After this Course: You can create Deep Learning Projects on Embedded HardwareConvert your models into Tensorflow Lite modelsSpeed up Inferencing on embedded devicesPost QuantizationCustom Data for Ai ProjectsHardware Optimized Neural NetworksComputer Vision projects with OPENCVDeep Neural Networks with fast inferencing SpeedHardware RequirementsRaspberry PI 412V Power Bank2 LEDs ( Red and Green )Jumper Wires Bread BoardRaspberry PI Camera V2RPI 4 Fan3D printed Parts Software Requirements Python3Motivated mind for a huge programming Project----------------------------------------- Before buying take a look into this course GitHub repository
