반응형 tensorflowlite3 모바일, IoT, 임베디드 시스템에서 사용할 수 있는 머신러닝 모델 정리 모바일, IoT, 임베디드 시스템에서 사용할 수 있는 머신러닝 모델 정리모바일, IoT, 임베디드 시스템에서 머신러닝 모델을 사용할 때 가장 중요한 요소는 경량화된 모델입니다. 일반적인 서버나 고성능 PC에서는 크고 복잡한 모델을 사용할 수 있지만, 모바일 및 IoT 디바이스는 메모리, 연산 속도, 배터리 소모 등의 제약이 있습니다. 이러한 환경에서 사용할 수 있는 대표적인 머신러닝 모델들을 정리하고, 각각의 특징과 적용 방법을 알아보겠습니다.📌 모바일, IoT, 임베디드 머신러닝 모델 비교 모델 특징 장점 단점 학습 적용MobileNet모바일 최적화 CNN 모델, Depthwise Separable Convolution 사용속도 빠름, 모바일에서도 실행 가능대형 모델 대비 정확도 낮음중급쉬움S.. 2025. 3. 11. 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. TensorFlow Lite for Microcontrollers 소개 및 참고 사이트 정리 TensorFlow Lite for Microcontrollers 소개 및 참고 사이트 정리TensorFlow Lite for Microcontrollers는 TensorFlow, 구글의 머신러닝 라이브러리의 경량 버전으로, 소형 장치나 마이크로컨트롤러에서 실행될 수 있도록 만들어진 것입니다. 이런 장치들은 보통 처리 능력이나 메모리가 매우 제한적이기 때문에, 전력 소모가 적고, 공간을 적게 차지하며, 독립적으로 작동할 수 있는 간단한 머신러닝 모델이 필요합니다. TensorFlow Lite for Microcontrollers는 바로 이런 요구를 충족시키기 위해 개발되었습니다. 이를 통해, 예를 들어, 소리를 듣고 사람의 명령을 인식하거나, 환경 데이터를 수집하고 분석하는 스마트 센서 등을 만들 수 있.. 2024. 2. 20. 이전 1 다음 반응형