TinyML – Machine Learning für eingebettete Systeme
•Als PPTX, PDF herunterladen•
0 gefällt mir•136 views
Slides zum Vortrag "TinyML – Machine Learning für eingebettete Systeme", gehalten bei IoT Hessen am 25.11.2020
Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Ähnlich wie TinyML – Machine Learning für eingebettete Systeme
Ähnlich wie TinyML – Machine Learning für eingebettete Systeme (20)
Mehr von Jens Siebert
Mehr von Jens Siebert (18)
Kürzlich hochgeladen
Kürzlich hochgeladen (6)
TinyML – Machine Learning für eingebettete Systeme
- 1. TinyML Machine Learning für eingebettete Systeme Jens Siebert (@jens_siebert) IoT Hessen, 25. November 2020 https://www.slideshare.net/JensSiebert1
- 2. Über mich • Senior Software Developer bei doks.innovation in Kassel • Drohnen-Steuerung, Computer Vision, Architektur • Maker, 3D-Drucker, Nerd
- 6. KI vs. Machine Learning vs. Deep Learning Künstliche Intelligenz Machine Learning Deep Learning
- 7. Klassische Algorithmen vs. Deep Learning Modell Architektur Modell RegelnDaten Ergebnis Trainings-Daten Regeln Ergebnis Daten Training Inferenz
- 8. Deep Learning – Neuronale Netze ∑ w1 x1 ⍴w2 x2 wn xn Eingaben Gewichte Übertragungs- funktion Aktivierungs- funktion Ausgabe o 𝑜 = 𝜌 𝑖=1 𝑛 𝑥𝑖 𝑤𝑖 . . .
- 9. Deep Learning – Neuronale Netze i1 x1 i2 x2 i3 x3 h11 h12 h13 h14 h15 h21 h22 h23 h24 h25 o1 o2 Input-Layer Hidden-Layer(s) Output-Layer
- 10. Überwachtes Lernen i1 x1 i2 x2 i3 x3 h11 h12 h13 h14 h15 h21 h22 h23 h24 h25 o1 o2 l1 l1 l2 l2 𝐸 = 1 2 𝑖=1 𝑛 (𝑙𝑖 − 𝑜𝑖)2 Optimizer wli
- 11. Training & Deployment Datensatz aufnehmen Modell- Architektur entwerfen Modell trainieren Ergebnisse evaluieren Modell konvertieren & optimieren Code für Inferenz entwickeln Deployment- Paket bauen Deployment
- 12. TensorFlow – Frameworks für Deep Learning TensorFlow • Training + Inferenz • Client + Server • GPU Beschleunigung (CUDA) • C++/Python + Language Bindings TensorFlow.js • Inferenz (+ Training) • Client (Browser) + Server (Node.js) • GPU Beschleunigung (WebGL oder CUDA) • JavaScript TensorFlow Lite • Inferenz • Mobile + eingebettete Systeme • C/C++ Tensoren… 𝑅𝑎𝑛𝑔 0 = 1 𝑅𝑎𝑛𝑔 1 = 1 2 𝑅𝑎𝑛𝑔 2 = 1 2 3 4
- 13. Demo Time!
- 15. Literatur
- 16. Vielen Dank! https://www.tensorflow.org/lite/microcontrollers https://github.com/tensorflow/tensorflow/tree/master/tensorflow/lite/micro/examples https://www.edgeimpulse.com https://tinymlbook.com Slides: https://www.slideshare.net/JensSiebert1 Code: https://bitbucket.org/jenssiebert/iotkstinyml Twitter: @jens_siebert