【代码】【浅学】环境版本_tflite-micro + ESP32S3 + VScode + ESP-IDF 基于例程实现自己的图像分类模型训练部署全流程。

注：本文为开源内容，部分标注了个人理解，仅为个人学习记录，无抄袭搬运意图。

定义：通过技术的手段，利用已有的数据（经验）开发可以用来对新数据进行预测的模型主要方向：1.基于学习方式的划分；2.基于学习策略的划分基于学习方式的划分：根据输入的数据是否需要进行标注进行划分有监督学习有监督学习的过程输入数据：为“训练数据”，每组训练数据有明确标识学习过程：将预测过程与“训练数据”的实际结果进行比较，不断调整预测模型，直到模型预测结果达到一个预期的准确率应用场景：分类、回归。

注：本文为开源内容，部分标注了个人理解，仅为个人学习记录，无抄袭搬运意图。

注：本文为开源内容，部分标注了个人理解，仅为个人学习记录，无抄袭搬运意图。

在强化学习方式下，输入数据作为对模型的反馈，不像监督模型那样，输入数据仅仅是作为一个检查模型对错的方式，在强化学习下，输入数据直接反馈到模型，模型必须对此立刻作出调整。其中，𝑥是输入，𝑦是输出。其中，𝑥是输入，𝑧是输出。：在半监督学习方式下，输入数据部分被标识，部分没有被标识，这种学习模型可以用来进行预测，但是模型首先需要学习数据的内在结构以便合理的组织数据来进行预测。：在非监督学习方式下

Scikit-learn是基于NumPy、 SciPy和 Matplotlib的开源Python机器学习包,它封装了一系列数据预处理、机器学习算法、模型选择等工具,是数据分析师首选的机器学习工具包。自2007年发布以来，scikit-learn已经成为Python重要的机器学习库了，scikit-learn简称sklearn，支持包括四大机器学习算法。还包括了。

注：本文为开源内容，部分标注了个人理解，仅为个人学习记录，无抄袭搬运意图。

在（在libdeps目录下找，在platform.ini里导入，编译之后才会在.pio目录下生成这个目录），直接复制的粘贴在它后面修改成。

注：本文为开源内容，部分标注了个人理解，仅为个人学习记录，无抄袭搬运意图。