Bugünün veri odaklı dünyasında, makine öğrenimi alanı sınırları zorlamaya devam ediyor ve karmaşık sorunlara yenilikçi çözümler sunuyor. Edge Impulse, gömülü makine öğrenimi alanında öncü bir platform ve Seeed Studio’nun stratejik yazılım ortağı, yakın zamanda “Kendi Modelinizi Getirin” (BYOM) adında heyecan verici bir yeni özellik tanıttı. Bu işlevsellik, geliştiricilerin özellikle ML uzmanlarının yaratıcılıklarını serbest bırakmalarını, uzmanlıklarını kullanmalarını ve kendi önceden eğitilmiş makine öğrenimi modellerini (TensorFlow SavedModel, ONNX veya TensorFlow Lite) Edge Impulse ekosistemine sorunsuz bir şekilde entegre etmelerini ve çeşitli kenar cihazlarına dağıtmalarını sağlıyor.
Bu blog yazısında, BYOM kavramını, avantajlarını, EdgeLab edgelab-fomo modelinin Edge Impulse’a getirilmesine dair bir örneği ve Seeed Studio’dan TinyML uyumlu ürünlerin bir dizi örneğini keşfedeceğiz.
Kendi Modelinizi Getirmenin (BYOM) Avantajlarını Keşfetmek
Esneklik ve Özelleştirme:
Kendi modelinizi getirme yeteneği, geliştiricilere eşsiz bir esneklik ve özelleştirme sunar. İster son teknoloji bir derin öğrenme modeli geliştirmiş olun, ister belirli bir alana yönelik hafif bir makine öğrenimi algoritması, BYOM, bunu Edge Impulse iş akışına sorunsuz bir şekilde entegre etmenizi sağlar. Bu esneklik, uzmanlığınızı kullanmanıza ve kenar uygulamalarınızın benzersiz gereksinimlerine tam olarak hitap eden modelleri kullanmanıza olanak tanır.
Optimize Edilmiş Performans ve Doğruluk:
BYOM’un en önemli avantajlarından biri, performans ve doğrulukta iyileşme potansiyelidir. Geliştiriciler artık kullanım durumlarına özel olarak tasarlanmış modelleri kullanabildiğinden, bu modelleri olağanüstü sonuçlar elde etmek için optimize edebilirler. Modelin mimarisini, hiperparametrelerini ve eğitim sürecini ince ayar yapmak, önemli performans kazançları sağlayabilir ve kenar uygulamanızın en yüksek standartları karşılamasını garanti eder.
Dağıtım Süresini Hızlandırma:
BYOM, dağıtım sürecini basitleştirerek kenar uygulamaları için daha hızlı bir pazara giriş süresi sağlar. Önceden eğitilmiş bir modeli uyarlamak veya sıfırdan başlamak yerine, geliştiriciler kendi modellerini Edge Impulse platformuna sorunsuz bir şekilde entegre edebilirler. Bu, geliştirme iş akışını düzene sokar, uygulama karmaşıklıklarını azaltır ve akıllı kenar uygulamalarının dağıtım sürecini hızlandırır.
Birden Fazla Platformu Destekleme:
Edge Impulse’un BYOM özelliği, geliştiricilerin özel modellerini çeşitli platformlarda dağıtmalarına olanak tanıyan geniş bir kenar cihaz yelpazesini destekler. İster mikrodenetleyiciler, ister tek kart bilgisayarlar, ister diğer özel donanımlarla çalışıyor olun, Edge Impulse, modellerinizi verimli bir şekilde çalıştırmak için gerekli araçları ve altyapıyı sağlar.
Son birkaç ay içinde, Edge Impulse, Grove-Vision AI Modülü ve SenseCAP A1101 LoRaWAN® Vision AI Sensörü için resmi desteklerini duyurdu. Bu, kullanıcıların artık bu cihazlardan ham verileri toplayabileceği, modeller oluşturabileceği ve eğitilmiş makine öğrenimi modellerini doğrudan stüdyodan cihazlara dağıtabileceği anlamına geliyor; herhangi bir programlama becerisine ihtiyaç duymadan. Artık, kendi modelinizi Edge Impulse’a kolayca getirebilir ve bu kenar cihazlarına modeli dağıtabilirsiniz.
EdgeLab modelini Edge Impulse’a Getirme
Edge Impulse tarafından sağlanan özel öğrenme bloğuEdgeLab edgelab-fomo modelini örnek olarak aldık. Bunu TFLite formatına başarıyla dönüştürdük ve bu basit adımlarla Edge Impulse’a aktardık:
- Eğitim verilerini / eğitim etiketlerini Edgelab edgelab-fomo formatına dönüştürmek için extract_dataset.py‘yi kullanın.
- edgelab-fomo modelini eğitin (kullanarak https://github.com/Seeed-Studio/Edgelab).
- edgelab-fomo modelini TFLite formatına dönüştürün.
- İşlem tamam!
Bu depodaki zengin bilgilere göz atın.
Seeed’in TinyML Uyumlu Ürün Yelpazesini Keşfetmek: Uygulamalarınız için Mükemmel Uyum
Grove Vision AI Modülü, Himax HX6537-A işlemcisi üzerine inşa edilmiş parmak boyutunda bir karttır ve OV2640 kamera ile donatılmıştır. Tamamen Edge Impulse tarafından desteklenmektedir; bu, ham verileri sorunsuz bir şekilde örneklemenizi, modeller oluşturmanızı ve eğitilmiş ML modellerini modüle dağıtmanızı sağlar. Çeşitli nesne tespiti projeleri için küçük ve harika bir yardımcıdır ve farklı ihtiyaçlara göre özelleştirilebilir.
SenseCAP A1101 – LoRaWAN® Vision AI Sensörü, TinyML Edge AI uyumlu akıllı bir görüntü sensörüdür. Görüntü tanıma, insan sayma, hedef tespiti, sayaç tanıma gibi çeşitli AI modellerini destekler. Ayrıca TensorFlow Lite ile model eğitimi de destekler. -40 ile 85℃ arasında çalışma sıcaklığına ve IP66 su geçirmezlik derecesine sahip olduğundan, dış mekan ve zorlu ortamlar IoT uygulamaları için uygundur.
Seeed Studio XIAO ESP32S3 Sense, hem Wi-Fi hem de BLE kablosuz bağlantıları destekleyen çift çekirdekli ESP32S3 çipini kullanır ve pil şarjına olanak tanır. Entegre kamera sensörü ve dijital mikrofon içerir.
Seeed Studio XIAO nRF52840 Sense, Bluetooth 5.0 kablosuz yeteneğine sahip olup, düşük güç tüketimi ile çalışabilmektedir. Yerleşik IMU ve PDM özelliklerine sahiptir.
Wio Terminal, Realtek RTL8720DN ile güçlendirilmiş, hem Bluetooth hem de Wi-Fi kablosuz bağlantısına sahip bir ATSAMD51 tabanlı mikrodenetleyicidir. 2.4” LCD ekran ile yüksek entegrasyona sahiptir, yerleşik bir IMU, mikrofon, buzzer, microSD kart yuvası, ışık sensörü ve kızılötesi verici (IR 940nm) içerir.
Aktif Seeed Studio topluluğuna teşekkürler, TinyML uygulamalarını sergileyen birçok vaka çalışması topladık. Bu çalışmalar, nesne tespiti, hareket tespiti, gıda bozulması izleme, göl atık izleme ve yaban hayat izleme gibi çeşitli alanları kapsamaktadır. Teknoloji ile gerçeklik arasındaki boşluğu kapatarak, TinyML hayatlarımızı önemli ölçüde dönüştürmüştür.
Bu bilgilendirici vaka çalışmalarını bu blogda keşfedin ve nasıl ilham alabileceğinizi görün.