系列文章
【Day 11】快訊！Jetson Orin Nano 發表！
就在筆者落筆時，老黃剛好在 GTC 大會上發布了新世代的入門級邊緣運算模組－Jetson Orin Nano！這帶來什麼樣的優勢與影響呢？就讓筆者先插播一下這訊...
【Day 12】Getting Started with AI on Jetson Nano (一)： 環境準備與 hello Camera
NVIDIA 線上學習資源 DLI (Deep Learning Institute) 有個非常實用的入門課程－ Getting Started with AI...
【Day 13】Getting Started with AI on Jetson Nano (二)： Image Classification 影像分類
DLI Getting Started with AI on Jetson Nano 的第二篇，今天將在 JupyterLab 使用互動式介面實作影像分類模型的...
【Day 14】Getting Started with AI on Jetson Nano (三)： Image Regression 影像回歸
DLI Getting Started with AI on Jetson Nano 第三部分 Image Regression 影像回歸。大家應該有聽過 數值...
【Day 15】Hello AI World (一)：環境準備與安裝
學寫程式的第一個程式叫做 Hello World，那麼學習 NVIDIA Jetson Edge AI 的第一個程式呢？就叫做 Hello AI World 啦...
【Day 16】Hello AI World (二)：Image Classification 影像分類
當環境準備就緒，今天就來實作 Edge AI Image Classification 影像分類吧！ ImageNet dataset 影像分類推論 開始之前一...
【Day 17】Hello AI World (三)：訓練辨識貓狗影像分類模型
前一篇我們玩了數種不同的影像分類模型，都是以 ImageNet 為資料集訓練好的預訓練模型，但如果我們想要訓練自己的影像分類模型呢？今天就來訓練自己的影像分類模...
【Day 18】Hello AI World (四)：用 Colab 訓練植物分類模型
以 Jetson Nano 的邊緣裝置的定位，適合拿來做神經網路推論，並不適合（也不合理）跑神經網路訓練，即使可以跑也是會等到天荒地老。既然如此，拿 googl...
【Day 19】Hello AI World (五)：Object Detection 物件偵測
前面實作了 AI 影像分類效果雖然不錯，但是在真實環境中使用仍然有些落差，因為大部分我們擷取到的影像資料，通常都會涵蓋多種類型的物件在其中，若只能將一張照片分類...
【Day 20】Hello AI World (六)：訓練自己的物件偵測模型
延續昨天的 Object Detection Inference 物件偵測推論，今天將嘗試在 Colab 上訓練自己的客製化 SSD-MobileNet-V1...