{{ 'fb_in_app_browser_popup.desc' | translate }} {{ 'fb_in_app_browser_popup.copy_link' | translate }}
{{ 'in_app_browser_popup.desc' | translate }}
{{word('consent_desc')}} {{word('read_more')}}
{{setting.description}}
價格均為含稅價,滿1000元享免運優惠!歡迎公司及學校機關團體大量採購,由專人提供專案報價。
{{ childProduct.title_translations | translateModel }}
{{ getChildVariationShorthand(childProduct.child_variation) }}
{{ getSelectedItemDetail(selectedChildProduct, item).childProductName }} x {{ selectedChildProduct.quantity || 1 }}
{{ getSelectedItemDetail(selectedChildProduct, item).childVariationName }}
微型機器學習是一項新興的技術,旨在將機器學習能力應用於資源有限的嵌入式設備上。傳統上,機器學習通常需要強大的計算資源和高度的能耗,但TinyML的目標是在小型設備上實現機器學習的功能,例如智慧型手錶、嵌入式感測器和物聯網裝置。
TinyML的優勢之一是其低功耗需求,低佔用空間的微控制器設備(例如 Arduino、ESP32、ARM)上開發和部署 ML 模型。這使得它在許多應用上非常實用,尤其是對於需要長時間運行的應用程序。通過在設備本地運行機器學習模型,TinyML可以實現即時的預測和決策,無需依賴於雲端服務。
然而,由於資源的限制,TinyML也面臨著一些挑戰。例如,模型的大小和複雜度需要進行優化,以適應設備的限制。此外,訓練和部署模型需要考慮到設備的計算能力和儲存限制。
隨著技術的發展,TinyML機器學習在各種應用領域中具有巨大的潛力。它可以應用於健康監測、智慧家居、工業自動化等領域,無論是在個人設備還是工業場景中,TinyML都展示了其廣泛的應用潛力和未來發展前景。
TinyML將機器學習的強大功能帶到資源受限的設備上,實現了低功耗、高效能的智慧應用。
是一款專為嵌入式系統和物聯網設備設計的機器學習模型管理工具。
該工具主要在簡化機器學習模型的建構、部署和管理過程,使開發者能夠更加高效地將智能功能集成到各種硬體設備中。
是一個專門為嵌入式設備和物聯網設備設計的機器學習開發平台。它提供了一整套工具和服務,讓開發者能夠輕鬆地在資源受限的環境中構建、訓練和部署機器學習模型。
Edge Impulse 的目標是將人工智慧應用擴展到更廣泛的設備和場景中,推動智慧化技術的普及。
TensorFlow Lite 是 Google 推出的深度學習框架 TensorFlow 的輕量級版本,專門為移動設備和嵌入式設備設計。
它的主要目標是讓機器學習模型能夠在資源受限的環境中高效運行,例如智慧型手機、嵌入式設備和物聯網設備。
其硬體規格和 Arduino Nano 33 BLE Sense 相當接近,同樣具備 IMU 與麥克風但價格僅為後者的四成!這也代表了只要花費更少的錢,就能玩到使用 Arduino Nano 33 BLE Sense 的 TinyML 專案了!
近年 TinyML 解決方案百花齊放,不少晶片設計廠商推出專用晶片將感測回歸或是視覺辨識應用放到低功耗 SoC 上進行推論,而台灣奇景光電推出的 Himax WE-I Plus (HX6537) 就是其一了!
日前 Seeed Studio 推出相同核心的 Grove Vision AI 智慧鏡頭模組售價僅不到 1000 台幣,小編立刻行動支持國產晶片入手一片進行測試!
說到近年最強勢的邊緣端 ML 平台,莫過於 Edge Impulse 莫屬了!囊括資料收集、數據標記、模型訓練、模型佈署等眾多功能集成於單一雲端平台上操作。支援的硬體從高階的 x86、NVIDIA Jetson、樹莓派到 MCU 層級的 Arduino Nicla、Pi RP2040 甚至 ESP32 都支援。軟體的易用性搭配硬體的廣泛支援,造就 Edge Impulse 在社大社群上的討論度都勇冠群雄。本篇筆者將實際操作 Edge Impulse 影像分類模型訓練,並且佈署到 XIAO ESP32S3 Sense 這個熱門 MCU 開發板上!