通过Edge Impulse开始使用TinyML

描述

什么是 TinyML？

想象一下，想要感知微控制器上何时发生某种手势。通常，这将通过从传感器收集训练数据、对其进行标记、然后使用脚本来训练模型然后部署它来完成。此工作流程需要大量时间，并且对初学者来说可能非常艰巨。

TinyML 是 Edge imp 提供的一项服务，只需将微控制器连接到他们的服务，单击一个按钮，然后在他们的服务器完成繁重的工作后部署它，就可以轻松创建这些模型。他们的拖放界面使添加更多传感器或学习功能变得轻而易举。

潜在应用

如前所述，Edge Impulse 的 TinyML 非常适合快速创建依赖大量数据来检测和/或预测事件何时发生或正在发生的项目。一个很好的例子是热词识别，可以设置一个设备来监听一个特定的短语，然后根据它执行一个动作，比如“打开百叶窗”或“开灯”。该平台的另一个重要用途是运动识别，例如一种计算步数或检查当前是否正在使用物品的方法。

设置帐户

首先，首先创建一个帐户。

 

输入您的信息并验证您的电子邮件后，您将看到一个入门页面。这将引导您完成连接设备、收集数据和最终部署模型的过程。我将我的第一个项目命名为 PhoneTest-1，但它可以是任何你喜欢的。

 

连接手机

TinyML 支持许多设备，包括 ESP32、许多 ST ARM Cortex-M3 板和几个支持 Arduino WiFi 的套件。然而，许多相同的任务只需通过网络浏览器使用智能手机即可完成，因为它包含麦克风和加速度计。要连接您的手机，只需点击打开二维码的“使用您的手机”按钮。

 

 

 

 

1 / 2

 

扫描后，您将被带到他们的网站并通过 API 密钥自动连接到他们的 API。确保在本指南的其余部分保持手机开机并打开浏览器窗口。

收集数据

现在是时候真正深入研究并创建模型了。但首先，必须有数据来训练它。确保您将手机放在手边，因为您将使用其传感器来捕获数据。首先，转到数据采集选项卡并确保选择了您的手机。选择加速度计传感器和频率，然后单击“开始采样”。移动完手机后，您可以在图表中查看收集到的数据。

 

 

 

 

1 / 2

 

训练模型

由于您记录了一些数据，是时候从中训练模型了。继续并导航到“创建脉冲”页面并选择推荐的频谱分析处理块和 Keras 神经网络学习块。然后继续前进并保存冲动。

 

接下来，设置数据的缩放、过滤和 FFT 设置。这些将控制您的数据在发送到 NN 之前如何进行预处理。之后，查看并生成特征。

 

 

 

 

1 / 3

 

在 NN 设置页面上，我决定将默认置信度阈值从 80% 更改为 91%。训练模型后，我能够查看模型提出的图表。然后我转到“分类”页面，从手机中收集了更多数据，并查看了模型能够检测到的内容。

 

 

 

 

1 / 3

 

部署

为了部署模型，我将模型导出为 WebASM 文件，然后将其解压缩。然后我创建了一个名为的新 js 文件run-impulse.js并将其放入与模型相同的文件夹中（但该文件附加到此项目页面）。为了运行它，我在命令提示符中输入了节点命令run-impulse.js，然后将“原始特征”数组粘贴在引号中作为node命令的第二个参数。

 

 

 

 

1 / 3 • run-impulse.js 源代码

 

最后的想法

我认为 TinyML 是一种轻松收集数据并将其处理成模型的好方法，这些模型可以快速部署到“边缘”的微控制器上，而无需互联网连接或强大的处理器，这可以为许多项目带来机器学习功能并实现惊人的要建造的创作。