Matthew Du Puy October 28, 2019
英文原址[https://community.arm.com/dev...]
TensorFlow 正在为从数据中心到边缘设备的各个领域提供支持，涉及从金融到高级医疗保健等各个行业。如今，借助TensorFlow 2.0和不断发展的工具和库生态系统，一切都变得如此容易。在今年的 TensorFlow World上， Google 和 Arm 分发了各种 预装 了TensorFlow Lite Micro（TF-Lµ）的Adafruit PyBadges 。这些开发板演示了TF-Lµ如何在低成本，低功耗的Arm微控制器上离线执行推理。他们正在运行TF-Lµ Micro Speech示例 并设置为识别“是”和“否”。使用任何微语音词汇很容易重新训练该板。使用本指南 在Docker映像中构建TensorFlow Lite和训练示例模型[https://learn.adafruit.com/ho...]。
Adafruit PyBadge作为USB大容量存储设备，就像将“ Cat Dog”语音识别示例类似，使刷新新模型就像将新模型拖放到板上一样容易 。在现代笔记本电脑上进行训练可能需要几个小时。
您的开发板包括电池和麦克风。您所要做的就是将其打开，按“ A”按钮，然后说“是”或“否”。您可能会识别响应动画和声音。我们邀请您重新训练您的电路板，修改响应，并使用其他示例进行调查，例如带有内置加速度计的 Magic Wand手势识别 (Arm Cortex-M4) 。
