반응형 tensorflow7 TensorFlow for Microcontrollers(TFLM) 지원 플랫폼(MCU)과 AI 모델 프로젝트 TensorFlow for Microcontrollers 지원 플랫폼과 AI모델 프로젝트TensorFlow for Microcontrollers(TFLM)는 매우 제한된 자원(메모리, 처리 성능, 전력)을 가진 마이크로컨트롤러(MCU) 환경에서도 인공지능 모델을 실행할 수 있도록 설계된 경량화된 머신러닝 라이브러리입니다. TensorFlow의 다른 버전들과 달리, 메모리 크기가 10KB에서 100KB에 불과한 마이크로컨트롤러에서도 동작할 수 있는 초경량 머신러닝 모델을 제공합니다.지원되는 플랫폼TensorFlow Lite for Microcontrollers는 C++ 11로 작성되었으며 32비트 플랫폼이 필요합니다. Arm Cortex-M 시리즈 아키텍처를 기반으로 하는 여러 프로세서를 통해 광범위하게 .. 2024. 9. 23. TensorFlow 버전별 센서를 적용한 오픈 프로젝트 정리 TensorFlow 버전별 센서를 적용한 오픈 프로젝트 정리TensorFlow의 다양한 버전은 각기 다른 환경에 최적화되어 있습니다. 그리고 레퍼런스들이 많은데, 그중에서 TensorFlow, TensorFlow Lite, 그리고 TensorFlow for Microcontrollers를 사용한 대표적인 오픈 프로젝트를 소개합니다. 프로젝트 별로 특징과 레퍼런스 사이트를 함께 정리했습니다.1. TensorFlow 기반 오픈 프로젝트1.1 Apollo - 자율 주행 차량 프로젝트특징: Baidu가 주도하는 Apollo는 LiDAR, 카메라 등의 고성능 센서를 기반으로 한 자율 주행 시스템을 구축하는 프로젝트입니다. 이 시스템은 TensorFlow를 활용하여 객체 탐지, 거리 측정, 3D 환경 분석 등의 고.. 2024. 9. 21. TensorFlow 탑재 가능한 센서와 AI 모델 특징 정리 TensorFlow 탑재 가능한 센서와 AI 모델 특징 정리TensorFlow는 다양한 디바이스에서 AI 모델을 실행할 수 있도록 설계된 라이브러리로, 이를 통해 여러 가지 센서 데이터를 활용한 스마트 애플리케이션을 구축할 수 있습니다. 특히 TensorFlow, TensorFlow Lite, 그리고 TensorFlow for Microcontrollers는 각각의 환경에 맞는 센서와 함께 사용되어, 데이터를 실시간으로 수집하고 분석하는 데 사용됩니다.이 글에서는 각 TensorFlow 버전에 탑재 가능한 센서와 특징에 대해서 정리했습니다.1. TensorFlow에서 사용할 수 있는 센서1.1 LiDAR 센서사양: 고해상도 3D 거리 측정 (최대 100m 이상), 고속 샘플링공급 전원: 9V ~ 32V .. 2024. 9. 20. TensorFlow vs TensorFlow Lite vs TensorFlow for Microcontrollers 특징 및 비교 (인공지능/머신러닝) TensorFlow vs TensorFlow Lite vs TensorFlow for Microcontrollers 특징 및 비교인공지능과 머신러닝의 발전에 따라, 다양한 컴퓨팅 환경에서의 AI 모델 활용이 점점 중요해지고 있습니다. 특히, 모바일 디바이스, 임베디드 시스템, 그리고 초소형 마이크로컨트롤러에서도 머신러닝 모델을 효율적으로 실행할 수 있는 필요성이 커지고 있습니다. 이와 같은 요구에 맞추어, TensorFlow는 다양한 버전을 제공합니다. 대표적으로 TensorFlow, TensorFlow Lite, 그리고 TensorFlow for Microcontrollers가 있습니다. 이 글에서는 이 세 가지 버전의 특징을 정리하고 비교했습니다. 1. TensorFlow1.1 역사TensorFl.. 2024. 9. 20. TensorFlow Lite for Microcontrollers (ESP32) 프로젝트 TensorFlow Lite for Microcontrollers (ESP32) 프로젝트ESP32를 사용하여 TensorFlow Lite for Microcontrollers를 학습하는 방법은 주로 TensorFlow Lite 모델을 ESP32에 배포하고 실행하는 과정에 초점을 맞춥니다. ESP32는 Wi-Fi와 Bluetooth 기능을 내장한 저가격, 저전력 소모의 마이크로컨트롤러로, IoT(Internet of Things) 프로젝트에 매우 적합합니다. TensorFlow Lite for Microcontrollers를 ESP32와 함께 사용하면, 소형 장치에서도 머신러닝 모델을 실행할 수 있어 다양한 스마트 애플리케이션을 개발할 수 있습니다.ESP32는 Espressif Systems에서 개발한 저.. 2024. 3. 14. 텐서플로(TensorFlow)를 사용한 MCU 개발환경 및 진행 계획 텐서플로(TensorFlow)를 사용한 MCU 개발환경 및 진행 계획텐서플로(TensorFlow)를 사용하여 마이크로컨트롤러(MCU) 개발 환경을 구축하는 것은 TensorFlow Lite for Microcontrollers라는 프로젝트를 통해 가능합니다. TensorFlow Lite for Microcontrollers는 TensorFlow의 경량화 버전으로, 저전력 장치 및 소형 임베디드 시스템에서 머신러닝 모델을 실행하기 위해 최적화되어 있습니다. MCU 개발 환경을 구축하는 기본 단계를 다음과 같이 생각하고 있습니다.텐서플로(TensorFlow)를 사용한 MCU 개발환경1. 필요한 도구와 라이브러리 설치하기TensorFlow Lite for Microcontrollers: TensorFlow L.. 2024. 3. 3. 이전 1 2 다음 반응형
