ssis包部署提示不能与集成身份验证一起使用_让数以百万计的Arduino开发者可以在微控制器中可以轻松使用机器学习，只因为有了它...

在微控制器上运行机器学习(ML)是过去几年最激动人心的发展之一，它允许小型电池供电的低功耗设备可以检测复杂的运动、识别声音或发现异常的传感器数据。为了让构建和部署这些模型的每个嵌入式开发人员都可以访问，Arduino官方推出了完美支持Edge Impulse的开发Arduino Nano 33 BLE Sense和其他32位Arduino开发板。

在微控制器上运行ML的方式称为嵌入式ML或TinyML。 这意味着设备可以做出智能的决策，而无需将数据发送到云服务器-从效率和隐私性的角度来看，这都非常好。 现在甚至强大的深度学习模型（基于人工神经网络）也可以运用于微控制器（MCU）。 去年，通过TensorFlow Lite Micro，uTensor和Arm的CMSIS-NN等项目，使深度学习模型更小，更快，可在嵌入式硬件上运行，取得了长足的进步。 但是建立高质量的数据集，提取正确的特征，训练和部署这些模型仍然很复杂。

使用Edge Impulse，您现在可以快速收集真实世界的传感器数据，在云端的数据上训练ML模型，然后将模型部署回Arduino设备。在此基础上，您可以通过一个函数调用将模型集成到Arduino代码中。这样，你的传感器就会变得更加智能，能够理解现实世界中的复杂事件。内置的示例程序允许您从加速度传感器和麦克风收集数据，但是只需几行代码就可以很容易地集成其他传感器。

是不是感到非常兴奋?，有立马试一试的冲动呢？下面的步骤将教你如何用Arduino Nano 33 BLE Sense建立你的第一个深度学习模型。

注册一个Edge Impulse帐户-它是免费的!

• 安装Node.js和Arduino CLI。
• 插入Arduino Nano 33 BLE Sense开发板。
• 下载Arduino Nano 33 BLE Sense固件-这是一个特殊的固件包(源代码)，包含所有代码，以快速收集其传感器的数据。启动您的平台的flash脚本来刷新固件。
• 启动Edge Impulse守护进程，将您的板连接到Edge Impulse。打开终端或命令提示符并运行以下命令:

$ npm install edge-impulse-cli -g

$ edge-impulse-daemon

• 收集一些数据并建立一个模型。我们将两个终端到终端的教程放在一起：使用加速计检测手势或使用麦克风检测音频事件。
• 您的设备现在显示在Edge Impulse studio的设备选项卡上，准备好收集一些数据并建立一个模型。
• 一旦训练完成，就可以将模型重新部署到Arduino Nano 33 BLE Sense上。可以作为包含完整ML模型的二进制文件使用，也可以作为Arduino库使用，可以将其集成到任何程序中。

从Edge Impulse部署到Arduino

• 您的机器学习模型开始在Arduino板上运行。打开串口监视器并运行”AT+RUNIMPULSE “指令，开始分析真实的传感器数据!

集成到您最喜爱的Arduino平台

Arduino 官方已经推出了Arduino Nano 33 BLE Sense，但是你也可以将Edge Impulse与你最喜欢的Arduino平台整合在一起。您可以使用数据转发器轻松地从任何传感器和开发板收集数据。这是一个小的应用程序，读取数据的串行和发送到Edge Impulse。你所需要的就是在你的程骗子中添加几行代码(这里有一个例子)。

在您构建了模型之后，您可以轻松地将模型导出为Arduino库。这个库可以在任何基于arm的Arduino平台上运行，包括Arduino MKR系列或Arduino Nano 33 IoT，前提是它有足够的RAM来运行您的模型。现在只需几行代码就可以在任何Arduino程序中包含ML模型。在Arduino IDE中添加了这个库之后，您可以找到一个在文件> Examples >中集成模型的示例，您的项目- Edge Impulse > static_buffer。

为了尽可能快速和高效地运行您的模型，我们自动利用您的Arduino板的硬件功能——例如，基于Arm Cortex-M4的Arduino Nano BLE Sense或更强大的基于Arm Cortex-M7的Arduino Portenta H7上的信号处理扩展。我们还利用Arm在CMSIS-NN中提供的优化神经网络内核。

生产途径

这个版本与Arduino合作是一个非常令人振奋的开始，但这只是迈出了第一步。我们相信，如今许多嵌入式应用程序都能从ML中获益，无论是用于预测性维护(“这台机器开始表现异常”)、帮助工人安全(“检测到摔倒”)，还是用于卫生保健(“检测到潜在感染的早期迹象”)。使用Edge Impulse和Arduino MKR系列，您已经可以快速部署简单的基于ML的应用程序，这些应用程序结合了LoRa、NB-IoT cell或WiFi连接。在接下来的几个月里，还将在Edge impulse上增加Arduino Portenta H7的集成。