labview实现机器学习和深度学习的方法总结

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。

参考文献

1. ni官网范例1
2. ni官网范例2
3. 使用Keras训练自己的数据集——以图像多分类为例（基于卷积神经网络）
4. keras resnet 训练自己的数据集图像分类
5. labview机器视觉-深度学习
6. 电子发烧友