2023-07-29, 10:00–10:30 (Asia/Taipei), TR 615
Language: Traditional Chinese (Taiwan)
AIoT 時代，如何讓微控制器等級的邊緣裝置做做數據分析？
我們將在本場次說明 * 從 IoT 到 AIoT * tinyML 介紹 * MicroPython 介紹 * 使用 MicroPython 收資料後以 tinyML 在 Raspberry Pi Pico 推論 [DEMO] * 學習資源
使用 Raspberry Pi 或是 NVIDIA Jetson 系列產品開發機器學習應用不稀奇，因為這些開發板具有基本的運算力和記憶體，並且能安裝完整的 Python 環境和套件。
但如果想使用 MHz 的運算速度和 KB 的記憶體要做機器學習，該怎麼做呢？ 能不能快快樂樂的使用 Python 開發呢？
一般的機器學習流程會先收集好資料進行訓練，再將訓練完成的模型佈署到終端機台上，可以全程使用 Python 完成。
但在微控制器上還想用 Python 只能使用 MicroPython 進行開發。MicroPython 是在微控制器上運作的 Python3 直譯器，目前已支援超過 30 種 MCU，包括 Raspberry Pi Pico 使用的 RP2040。
我們將分享如何在低功耗的微控制器(MCU)以 MicroPython 收資料後，使用微型機器學習(tinyML)推論。我們採用 Raspberry Pi Pico 做範例。
以手勢識別範例來說，我們可以使用 Edge Impulse 雲端服務幫助我們從收集資料、訓練資料到建立模型，最後再根據範本佈署模型測試，本次會介紹整個流水線操作。
雖然一切看起來很美好，但因為目前 MicroPython 的 TensorFlow Lite Micro 只支援 OpenMV 和 Sipeed 兩類型硬體，因此使用 Raspberry Pi Pico 做機器學習的推論部份還是需要使用 C 來撰寫，因此題目稱為．半套。
入門
Target Audience –想瞭解 tinyML 開發流程的朋友
Hi, I'm sosorry.