코딩뚠뚠

Chapter23. 모델, 바이너리 크기 최적화 " 임베디드 플랫폼에서 ML 모델과 바이너리 크기를 최적화하려면? " 목차 : 시스템의 한계 메모리 사용 측정 다양한 문제들과 모델 모델 선택 실행파일 크기 줄이기 이전 포스팅 : [머신러닝 공부] Tiny ML -22 / 에너지 최적화 문제 Chapter22. 에너지 최적화 문제 " TinyML + 임베디드 장치에서의 에너지 소비를 줄이려면? " 목차 : 대략적인 감 잡기 전체 시스템 전력소모 측정 모델 전력 사용량 추정 전력소모 개선 임베디드 장치(M dbstndi6316.tistory.com 대부분 임베디드시스템의 읽기 전용 스토리지는 1MB 미만이며 SRAM이 512KB를 넘지 않는다. 워크스테이션에서 모델을 학습하거나 추론하며 32GB RAM이나 ..

Chapter12. 음성인식(호출어 감지) 모델 훈련하기 " 내 데이터셋으로 훈련해보자 " 목차 : 새로운 모델 훈련 -> 이전장 프로젝트에서 모델 사용 -> 이전장 모델 작동 방식 -> 이전장 내 데이터로 훈련하기 참고 repo GitHub - tensorflow/tensorflow: An Open Source Machine Learning Framework for Everyone An Open Source Machine Learning Framework for Everyone - GitHub - tensorflow/tensorflow: An Open Source Machine Learning Framework for Everyone github.com 내 데이터셋으로 훈련하기 : 훈련시킬 수 있는 데..

Chapter11. 음성인식(호출어 감지) 모델 훈련하기 " 이번에는 모델의 작동 방식을 알아보자 " 목차 : 새로운 모델 훈련 -> 이전장 프로젝트에서 모델 사용 -> 이전장 모델 작동 방식 내 데이터로 훈련하기 이전 포스팅 링크 [머신러닝 공부] Tiny ML -10 / 음성인식 모델훈련하기 -1 Chapter10. 음성인식(호출어 감지) 모델 훈련하기 " 새로운 모델을 만들어보자 " 목차 : 새로운 모델 훈련 프로젝트에서 모델 사용 모델 작동 방식 -> 다음장 내 데이터로 훈련하기 -> 다음장 새로운 dbstndi6316.tistory.com 모델 작동 방식 : 이전까지는 모델을 훈련하는 스킬을 배워봤다. 순서가 바뀐것같기도 하지만? 이번엔 모델이 어떻게 예측을 수행하는지 알아보자. > 입력의 시각..

Chapter10. 음성인식(호출어 감지) 모델 훈련하기 " 새로운 모델을 만들어보자 " 목차 : 새로운 모델 훈련 프로젝트에서 모델 사용 모델 작동 방식 -> 다음장 내 데이터로 훈련하기 -> 다음장 새로운 모델 훈련 : 우선 이 장에서는 yes, no 외의 다른 단어를 인식할 수 있는 모델을 훈련할 것이다. 훈련 시 아래와 같은 사항을 고려해야 될 것이다. 입력 : 기존 스크립트 활용을 위해 데이터의 모양과 형식을 맞춰줘야 한다. 출력 : 클래스 당 하나의 확률 텐서 타입을 갖는 출력을 맞춰줘야 한다. 훈련데이터 : 많은 데이터는 정확도를 향상시킨다. 최적화문제 : 메모리가 극도로 제한된 상태이므로 최적화문제가 있다. 참고한 기존 스크립트는 아래 스크립트이다. GitHub - tensorflow/tf..

Chapter9. 음성인식(호출어 감지) 어플리케이션 만들기 " 저번챕터에 이어 TinyML을 좀더 생활에 밀접한 부분에 사용해본다. " 목차 : TinyML을 이용한 호출어감지는 왜 필요할까? -> 이전장 참고 만들고자 하는 시스템 -> 이전장 참고 어플리케이션 아키텍처 -> 이전장 참고 테스트코드 분석 -> 이전장 참고 호출어 듣기 MCU에 배포하기 이전장은 아래 링크에.. [머신러닝 공부] Tiny ML -8 / 음성인식 어플리케이션-1 Chapter8. 음성인식(호출어 감지) 어플리케이션 만들기 " 이번 챕터에서는 TinyML을 좀더 생활에 밀접한 부분에 사용해본다. " 목차 : TinyML을 이용한 호출어감지는 왜 필요할까? 만들고자 하는 시스템 dbstndi6316.tistory.com 5. ..