-
TinyMaix上手之第1讲在Nuclei平台运行TinyMaix这一讲描述在Nuclei qemu平台上运行TinyMaix的步骤，如果手中有Nuclei的开发板，也可以上板测试，步骤相差不大，详细...
-
1 TinyMaix简介TinyMaix是面向单片机(MCUs)的超轻量级神经网络推理库（核心代码
-
按照《》，Nuclei Studio IDE烧录程序时，连接Openocd失败，有如下两种情况需要注意。1 烧录程序，遇见如下图错误，这时需要检查下载配置是否选择了cmlink_openocd纠正方法...
-
第5讲讲解了keras制作mnist数据集的流程，进一步的，有时候我们需要构建自己的数据集。以flower分类为例，见参考3（这里直接用别人的数据，也可以自己整理，只是比较耗时间，脚本也做了改写，方便...
-
keras提供了内置的7个数据集，直接调用用keras.datasets.xxx.load_data()函数即可下载并返回numpy格式数据，比较方便。但是有些时候我们希望加入自己的训练集，这一篇以m...
-
编译模型时需要如下两个参数：一个“损失函数”（loss function），用来衡量网络的预测有多好。一个“优化器”（optimizer），可以告诉网络如何改变其权重。keras内置了7个常用的优化器...
-
损失函数（loss function）是用来衡量预测值和真实值差距的函数，是模型优化的目标，所以也称之目标函数、优化评分函数。这是机器学习中很重要的性能衡量指标， 评价函数和损失函数相似，只是关注点不...
-
keras顺序模型与函数式模型keras提供两种搭建模型的方式：1. 顺序模型（也可看做是函数式模型的一种特殊情况）2. 函数式模型两种方式优点缺点顺序模型单输入单输出，搭建比较简单，是多个网络层的线...
-
keras可视化可以帮助我们直观的查看所搭建的模型拓扑结构，以及模型的训练的过程，方便我们优化模型。模型可视化又分为模型拓扑结构可视化以及训练过程可视化。以上一讲的mnist为例，演示不同可视化方法：...
-
1 keras是什么？Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的主要优点是： Ker...
-
TFlite主要用于设备端的机器智能应用。其工作流程如下图（见参考1）：step1: 首先在服务器上使用TensorFLow（或pytorch、keras等）开发模型，训练出权重step2：使用转换器...
-
1 CNN简介CNN即卷积神经网络(Convolutional Neural Networks)，是一类包含卷积计算的神经网络，是深度学习（deep learning）的代表算法之一，在图像识别、语音...
-
1 简介1.1 什么是模型量化？简单来说：模型量化（Model Quantization）就是通过某些方法将浮点模型转为定点模型。 一般通过Tensorflow、PyTorch、Caffe等工具训练出...
-
所谓模型就是一个滤波器，训练的权重就是滤波系数，输入经过滤波器后得到一个输出。所以嵌入式AI一般就是解析模型得到“滤波系数”，输入信号进行一系列类似\"滤波\"运算，得到最终输出。所以...
