NageEdge AI 边缘AI
文章平均质量分 74
欢迎关注“NanoEdgeAI”专栏,这里是探讨边缘AI最新进展与实践的家园。随着IoT和5G技术的兴起,边缘计算正成为智能技术发展的关键驱动力。在本专栏,我们将解析边缘AI的最新趋势、面临的挑战、解决策略及案例分析,助力读者掌握并运用这项前沿技术。
晚秋大魔王
嵌入式软件工程师,爱吃饭,一顿一头猪。
展开
-
NanoEdge AI Studio —— 最终章 数据预测
头文件中我们可以看到,数据只需要15个,也就是说在fill_buffer函数中我们最多填充15个数据给input_buffer数组。数据预测其实很简单,就是将训练出来的模型可以根据此刻的数据预测下一刻的数据。所以,你将buff填充好后给该函数,就可以在第二个参数这里拿到模型的预测值。教程这里写的比较简单,如果需要详细教程,可以看下本系列第二章。第一个入参为数据buff,第二个为预测值。这是因为,第16个数据是模型预测出来的。打开压缩包,将这些文件复制到工程下。打开工程,依照配置文件进行工程配置。原创 2024-03-31 00:29:03 · 499 阅读 · 5 评论 -
NanoEdge AI Studio教程 第四章-- 多分类
OK,又是好久不见,各位。出差刚回来,让我们开启今天第三章,多分类。多分类的意思是,输入设备在多个状态下的数据集,在生成的模型可以实现状态的判断。原创 2024-03-23 22:51:32 · 626 阅读 · 2 评论 -
NanoEdge AI Studio 教程 第三章--单分类
简要来说,单分类就是,你只需要将某一状态的数据给NEAI,经过训练后AI可以判断新数据与该状态的相似度。这里讲解的就非常简单了,很多内容都在第二章铺垫好了,大家可以去看下。出差在外,没有太多时间更新。让我们开始第三章--单分类。2.选择MCU和数据维度。数据要求和之前的一样。原创 2024-03-14 19:50:10 · 660 阅读 · 0 评论 -
NanoEdge AI Studio 教程 第二章--异常数据分析
NanoEdge AI Studio主要可以实现的功能主要分为四种:1.异常判断:异常判断的是指模型对正常数据与异常数据进行训练、学习后,生成的模型可以识别生成的边缘AI可以判断数据是正常还是错误。这里可能有人要问,为什么不使用阈值判断,不是更简单吗?其实很简单,当数据多维时,根据阈值判断数据状态其实是个很难的设定。同时,当阈值变化后,程序里的判断只能通过手动更改进行数据判断,其实挺麻烦。而机器学习可以在MCU进行数据学习优化,避免了数据多维和阈值问题。原创 2024-03-03 01:01:19 · 1535 阅读 · 2 评论 -
边缘AI工具-NanoEdge AI Studio 安装教程
NanoEdge AI Studio是由意法半导体(STMicroelectronics)推出的一款人工智能开发工具,专为边缘设备设计。这个集成开发环境(IDE)允许开发人员在资源受限的边缘硬件上轻松创建、测试和部署机器学习模型。NanoEdge AI Studio支持多种流行的机器学习框架,如TensorFlow Lite和PyTorch,确保了项目的灵活性和可移植性。原创 2024-02-27 21:34:51 · 1408 阅读 · 0 评论