通過Edge Impulse開始使用TinyML

描述

什么是 TinyML？

想象一下，想要感知微控制器上何時發生某種手勢。通常，這將通過從傳感器收集訓練數據、對其進行標記、然后使用腳本來訓練模型然后部署它來完成。此工作流程需要大量時間，并且對初學者來說可能非常艱巨。

TinyML 是 Edge imp 提供的一項服務，只需將微控制器連接到他們的服務，單擊一個按鈕，然后在他們的服務器完成繁重的工作后部署它，就可以輕松創建這些模型。他們的拖放界面使添加更多傳感器或學習功能變得輕而易舉。

潛在應用

如前所述，Edge Impulse 的 TinyML 非常適合快速創建依賴大量數據來檢測和/或預測事件何時發生或正在發生的項目。一個很好的例子是熱詞識別，可以設置一個設備來監聽一個特定的短語，然后根據它執行一個動作，比如“打開百葉窗”或“開燈”。該平臺的另一個重要用途是運動識別，例如一種計算步數或檢查當前是否正在使用物品的方法。

設置帳戶

首先，首先創建一個帳戶。

?

輸入您的信息并驗證您的電子郵件后，您將看到一個入門頁面。這將引導您完成連接設備、收集數據和最終部署模型的過程。我將我的第一個項目命名為 PhoneTest-1，但它可以是任何你喜歡的。

?

連接手機

TinyML 支持許多設備，包括 ESP32、許多 ST ARM Cortex-M3 板和幾個支持 Arduino WiFi 的套件。然而，許多相同的任務只需通過網絡瀏覽器使用智能手機即可完成，因為它包含麥克風和加速度計。要連接您的手機，只需點擊打開二維碼的“使用您的手機”按鈕。

?

?

?

?

1 / 2

?

掃描后，您將被帶到他們的網站并通過 API 密鑰自動連接到他們的 API。確保在本指南的其余部分保持手機開機并打開瀏覽器窗口。

收集數據

現在是時候真正深入研究并創建模型了。但首先，必須有數據來訓練它。確保您將手機放在手邊，因為您將使用其傳感器來捕獲數據。首先，轉到數據采集選項卡并確保選擇了您的手機。選擇加速度計傳感器和頻率，然后單擊“開始采樣”。移動完手機后，您可以在圖表中查看收集到的數據。

?

?

?

?

1 / 2

?

訓練模型

由于您記錄了一些數據，是時候從中訓練模型了。繼續并導航到“創建脈沖”頁面并選擇推薦的頻譜分析處理塊和 Keras 神經網絡學習塊。然后繼續前進并保存沖動。

?

接下來，設置數據的縮放、過濾和 FFT 設置。這些將控制您的數據在發送到 NN 之前如何進行預處理。之后，查看并生成特征。

?

?

?

?

1 / 3

?

在 NN 設置頁面上，我決定將默認置信度閾值從 80% 更改為 91%。訓練模型后，我能夠查看模型提出的圖表。然后我轉到“分類”頁面，從手機中收集了更多數據，并查看了模型能夠檢測到的內容。

?

?

?

?

1 / 3

?

部署

為了部署模型，我將模型導出為 WebASM 文件，然后將其解壓縮。然后我創建了一個名為的新 js 文件run-impulse.js并將其放入與模型相同的文件夾中（但該文件附加到此項目頁面）。為了運行它，我在命令提示符中輸入了節點命令run-impulse.js，然后將“原始特征”數組粘貼在引號中作為node命令的第二個參數。

?

?

?

?

1 / 3 ? run-impulse.js 源代碼

?

最后的想法

我認為 TinyML 是一種輕松收集數據并將其處理成模型的好方法，這些模型可以快速部署到“邊緣”的微控制器上，而無需互聯網連接或強大的處理器，這可以為許多項目帶來機器學習功能并實現驚人的要建造的創作。