机器学习
Analytics and Machine Learning Toolkit(分析和机器学习工具包)
机器学习过程包含以下步骤:
数据收集-使用数据采集设备或其他来源收集数据。
特征提取-使用LabVIEW中可用的信号处理工具(例如LabVIEW Advanced Signal Processing Toolkit,Electric Power Toolkit,NI Sound and Vibration Measurement Suite,Vision Development Module等),根据您的领域知识提取特征。
降低维度—减少数据的维数,以便您可以将简化的数据用于模型训练。
模型创建-使用训练数据训练机器学习模型。
模型验证-使用模型评估指标来验证模型。
部署-在部署数据上部署训练有素的模型。
深度学习
1. 科研用途
labview2018及以上内置调用python函数,labview与python需位数一致。自行配置python环境,深度学习框架,无法进行封装。
参考链接
Labview调用python的两种方法
LabVIEW 调用 Python的三种方法
深度学习应用程序开发:Python+LabVIEW 混合编程
2. 商业用途
2.1 LabVIEW/Python 集成工具包- Enthought
可封装,但不再维护,不可获得新的许可。
LabVIEW / Python集成工具包-有思想
工具包生命周期终止
用户指南
2.2 Labview VDM
在LabVIEW中开发TensorFlow深度学习程序一共有两步:
第一步,使用TensorFlow训练深度学习模型;这一步,NI视觉开发模块并没有对应的软件工具,也没有详细介绍如何从零开始基于TensorFlow搭建深度学习模型训练环境,训练TensorFlow模型并导出模型导入器需要的*.pb文件。
第二步:将深度学习模型部署至NI硬件;这一步,NI视觉开发模块有模型导入器和范例程序,参看NI官网介绍。
【人工智能之深度学习基础必学课】每天5分钟,东哥手把手教您LabVIEW快速学习视觉
2.3 Deep Learning Toolkit for Labview
ni上的介绍
DeepLTK官网
使用LabVIEW的深度学习工具包进行语音识别
Speech Recognition with Deep Learning Toolkit for LabVIEW
2.4 DLHUB
官网
DLHUB教程:如何为LabVIEW,NXG和C#设计深度学习模型
2.4 python封装
通过Labview调用python封装后的exe或dll python封装成exe
总结
实现深度学习需要深度学习的框架,现有方法主要分为三大类,第一类,labview内的第三方工具包,如DeepLTK,在labview内部已搭建起框架;第二类,单独的软件,在软件内训练后导出模型结构和参数文件,在labview调用,如DLHUB;第三类调用python、matlab的深度学习框架。