方恪个人主页

@m0_56041246

方恪

2023-08-08 16:15:16 加入 DevPress

简介

该用户还未填写简介

擅长的技术栈

未填写擅长的技术栈

可提供的服务

暂无可提供的服务

零基础的嵌入式机器学习：Edge Impulse训练模型移植STM32F407ZGT6实例

第一次接触Edge Impulse这个在线的机器学习网站是在OpenMv口罩识别的历程中，根据OpenMv的官方历程来使用Edge Impulse还是很顺利的。但不久之后就发现如果仅仅是基于OpenMv的历程来进行机器学习，就只能完成图像识别而已，而除了图像识别之外的训练模型如果想要导出到STM32的单片机上，则要通过STM32CubeIDE。STM32CubeIDESTM32CubeIDE是意法

#机器学习 #单片机 #arm +1

零基础的嵌入式机器学习：Edge Impulse使用教程之训练模型浅析(2)——回归(预测)模型

Edge Impulse的回归模型可以从数据中学习模式，并将其应用于新数据。非常适合预测数字连续值。

#机器学习 #arm #单片机

零基础的嵌入式机器学习：Edge Impulse使用教程之训练模型浅析(1)——分类模型

Edge Impulse是一个应用于嵌入式领域的在线的机器学习网站，不仅为用户提供了一些现成的神经网络模型以供训练，还能直接将训练好的模型转换成能在单片机MCU上运行的代码，使用方便，容易上手。本文就Edge Impulse的三大模型之一的分类模型进行浅析。针对于图像的分类识别模型，读者可参考OpenMv或树莓派等主流图像识别单片机系统的现有历程，容易上手，简单可靠。单击此处转到——星瞳科技Ope

#机器学习 #cnn #arm +2

零基础的嵌入式机器学习：Edge Impulse使用教程之训练模型浅析(2)——回归(预测)模型

Edge Impulse的回归模型可以从数据中学习模式，并将其应用于新数据。非常适合预测数字连续值。

#机器学习 #arm #单片机

零基础的嵌入式机器学习：Edge Impulse使用教程之训练模型浅析(1)——分类模型

#机器学习 #cnn #arm +2

零基础的嵌入式机器学习：Edge Impulse使用教程之训练模型浅析(1)——分类模型

#机器学习 #cnn #arm +2

零基础的嵌入式机器学习：Edge Impulse训练模型移植STM32F407ZGT6实例

#机器学习 #单片机 #arm +1

零基础的嵌入式机器学习：Edge Impulse使用教程之训练模型浅析(1)——分类模型

#机器学习 #cnn #arm +2

到底了