iT邦幫忙

edge ai相關文章
共有 72 則文章

技術 原「萌王莉姆露」帳號相關資訊整理

原作者已歸隱(小隱隱於野,中隱隱於市,大隱隱於朝),並且先前的「萌王莉姆露」帳號已經刪除。以下是原作者文章與資訊的彙整。 iThome鐵人賽2023「用Pyth...

鐵人賽 自我挑戰組 DAY 2

技術 [Day12]自建CDN關鍵步驟:建立域名3(進階功能介紹)

為什麼我們將進階功能分為前後兩部分來介紹呢?原因是iNODE NINJA的進階設定擁有非常豐富的細節功能,昨天我發現光是前三項就花了大量的時間來撰寫與說明內容,...

鐵人賽 AI & Data DAY 30

技術 【Day 30】挑戰終了,但 Edge AI 人生才剛開始!

Last mile! (source: unsplash) 結語 第三十天啦!終於完成挑戰了!即便中間有偷吃步用了些庫存資料,但也真實體會到每天都要固定寫作產出...

鐵人賽 AI & Data DAY 29

技術 【Day 29】Jetson Nano Projects

上一篇提到 NVIDIA 官方的 Jetson Nano AI 自走車專案 JetBot,除此之外還有沒有其他以 Jetson Nano 為核心的專案呢?今天一...

鐵人賽 自我挑戰組 DAY 29
PixelBit 可以這樣玩! 系列 第 29

技術 (Day 29)PixelBit 整合 Azure Custom Vision 實作 Edge AI

前兩天我們使用 Azure Custom Vision 雲端服務建立了 Classification、Object Detect 專案,並且用了線上了測試工具以...

鐵人賽 AI & Data DAY 28

技術 【Day 28】Jetson Nano Projects: JetBot

當初在 Jetson Nano 於 GTC 發表之時,NVIDIA 也隨之同步發表了一個社群專案 JetBot ,並將硬體材料與軟體範例以開放原始碼方式釋出,運...

鐵人賽 AI & Data DAY 27

技術 【Day 27】客製化 YOLOv5 模型 (六):使用 TensorRT 加速推論

如果有跟著上一篇文章操作的話,相信大家已經訓練好自己的模型 best.pt 了。這次就是要教大家如何使用自己的模型做推論,並經由TensorRT,針對自己的模型...

鐵人賽 AI & Data DAY 26

技術 【Day 26】客製化 YOLOv5 模型 (五):Colab 訓練 YOLOv5 模型

今天將使用「Google Colab」來訓練我們的模型,關於 Colab 的功能在此就不多做贅述了。我們使用的程式碼是由官方提供的 YOLOv5 Colab 程...

鐵人賽 AI & Data DAY 25

技術 【Day 25】客製化 YOLOv5 模型 (四):標註資料、導出資料集

有了圖像資料,接著要進行資料標註,透過框選的方式告訴 AI 哪些是我們的目標,資料標註的方法有很多,這邊介紹一個好用的網站「Roboflow」,除了標註功能、擴...

鐵人賽 AI & Data DAY 24

技術 【Day 24】客製化 YOLOv5 模型 (三):蒐集資料

前面文章告訴大家如何建置 YOLOv5 的環境在 Jetson Nano 上,並且使用官方提供的預訓練模型進行推論與測試。但畢竟官方提供的模型使用的是 coco...

鐵人賽 AI & Data DAY 23

技術 【Day 23】客製化 YOLOv5 模型 (二):測試 YOLOv5 推論

安裝完了 YOLOv5 執行環境,今天就來測試與體驗 YOLO 的推論效果吧! YOLO 物件偵測推論 測試安裝的 YOLOv5 首先打開新的終端機,在 yol...

鐵人賽 AI & Data DAY 22

技術 【Day 22】客製化 YOLOv5 模型 (一):建立執行環境

YOLO(You Only Look Once) 物件偵測演算法因為效能優異且準確率高,經常放在邊緣裝置中作為物件偵測的神經網路,和前面我們使用的 SSD(Si...

鐵人賽 AI & Data DAY 21

技術 【Day 21】Hello AI World (七):即時影像標註工具 Camera-Capture

前面我們說明了如何使用預訓練模型推論以及訓練客製化物件偵測模型,而倘若我們要建立自己的資料集該如何進行呢? Hello AI World 專案中也提供了一個實用...

鐵人賽 AI & Data DAY 20

技術 【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...

鐵人賽 AI & Data DAY 19

技術 【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...

鐵人賽 AI & Data DAY 18

技術 【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...

鐵人賽 AI & Data DAY 17

技術 【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...

鐵人賽 AI & Data DAY 16

技術 【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...

鐵人賽 AI & Data DAY 15

技術 【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...

鐵人賽 AI & Data DAY 14

技術 【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...

鐵人賽 AI & Data DAY 13

技術 【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...

鐵人賽 AI & Data DAY 12

技術 【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...

鐵人賽 自我挑戰組 DAY 12
PixelBit 可以這樣玩! 系列 第 12

技術 (Day 12)Edge Impulse 影像辨識實作:模型訓練與使用(Part 1)

這篇文章將會接續上一篇「Edge Impulse 影像辨識實作:資料收集(Part 2)」。 教學原文參考:Edge Impulse 影像辨識實作(下):模型...

鐵人賽 AI & Data DAY 11

技術 【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...

鐵人賽 AI & Data DAY 6

技術 【Day 06】tinyML基本開發步驟認識

目前tinyML基金會並沒有強制規範何種規格的硬體、AI框架、模型大小(複雜度)、推論速度等才算符合,而功率消耗上本來是希望在1mW(毫瓦)以下,後來變成mW(...

鐵人賽 AI & Data DAY 10

技術 【Day 10】使用 SDK Manager 安裝與還原系統

reComputer J1010/J1020 使用量產版本的 Jetson Nano 模組,內建 16 GB eMMC 的儲存裝置,讓系統的讀寫速度比 Jets...

鐵人賽 自我挑戰組 DAY 10
PixelBit 可以這樣玩! 系列 第 10

技術 (Day 10)Edge Impulse 影像辨識實作:資料收集(Part 1)

教學原文參考:Edge Impulse 影像辨識實作 (上):資料收集 一、前言 Pixel:Bit 教學進入到第五單元了!在這個單元我們要開始帶領大家一...

鐵人賽 AI & Data DAY 5

技術 【Day 05】連上XIAO nRF52840 Sense tinyML開發板

昨天已簡單幫大家介紹過Seeed Studio XIAO nRF52840 Sense(以下簡稱XIAO Sense)tinyML開發板的硬體了,今天幫大家介紹...

鐵人賽 AI & Data DAY 9

技術 【Day 09】擴充 Jetson Nano 儲存空間

前面提到現行 NVIDIA 出貨的 Jetson Nano 統一搭載 16GB eMMC,勢必讓不少人疑惑,我的手機容量都 128GB 了, Jetson Na...

鐵人賽 AI & Data DAY 4

技術 【Day 04】認識Xiao nRF52840 Sense tinyML開發板

要玩tinyML(MCU AI)首先要選擇一塊合適的開發板,昨天已大概和大家提及Seeed Studio出的這個類Arduino Nano 33 BLE Sen...