Kursusnya
Machine learning di mikrokontroler adalah kursus Coding tingkat ahli dalam tujuh pelajaran. Tugasnya adalah gelang yang membedakan wave, punch dan circle dari accelerometer. Tidak ada numpy dan tidak ada library: setiap model ditulis dalam Python biasa, jadi kamu melihat setiap angkanya. Rangkaiannya adalah build lampu lalu lintas dari galeri, satu lampu per gerakan dan satu tombol untuk membuat gerakan. Setiap langkah diperiksa terhadap apa yang dicetak Pi atau apa yang dilakukan lampunya, dan setiap angka dalam pelajaran adalah angka yang benar-benar dicetak program.
- Data dan fitur: trace mentah (ax, ay, az), enam fitur (rata-rata dan simpangan baku per sumbu), rata-rata kelas yang memperlihatkan di mana kesalahan akan terjadi, pembagian train dan test 66/24 yang diacak, dan z-score hanya dari set training.
- k-nearest neighbors: jarak dan voting, 21 dari 24 pada k = 3, memilih k tanpa mengintip set test, confusion matrix, mengapa satuan merusak model tanpa penskalaan, dan mengapa menyimpan seluruh set training itu mahal di sebuah chip.
- Decision tree: pertanyaan pertama terbaik menurut Gini impurity, tree kedalaman-2 dicetak sebagai aturan (22 dari 24), overfitting dibuat terlihat dengan tiga gerakan yang salah label, dan tree dicetak sebagai if statement C.
- Sebuah neuron: jumlah berbobot dan sebuah step, bobot yang diatur manual, aturan perceptron yang mempelajarinya, linear separability dan di mana satu neuron menyerah, serta lampu yang dinyalakan oleh keluarannya.
- Training di Pi: softmax dan cross-entropy, gradient descent dengan loss yang turun epoch demi epoch, learning rate terlalu kecil dan terlalu besar, dan jaringan saraf 6-4-3 yang dilatih dengan backpropagation (43 parameter).
- Bobot dalam C: konstanta z-score dan bobot dicetak sebagai array C, kuantisasi int8 dengan satu skala, pemeriksaan bahwa model int8 setuju dengan model float pada setiap gerakan test, dan fungsi classify dalam C.
- Boss: pengenalan gerakan: babak akhir.
Babak final
Boss ini berlatih saat boot, lalu mengklasifikasikan gerakan baru setiap kali tombol ditekan dan menyalakan hijau untuk wave, merah untuk punch dan kuning untuk circle. Ia memperlihatkan kesalahan yang percaya diri (circle disebut wave pada 92 persen), menambahkan ambang kepercayaan yang menjawab "tidak yakin" untuk gerakan goyang yang tidak pernah diajarkan, dan mengukur dirinya dengan jujur pada 30 gerakan dari seed yang tidak pernah dipakai training: 28 dari 30.
Apa yang berbeda di sini
- Sensornya. Kit katalog adalah ESP32 dengan MPU6050. Galeri Pi tidak punya rangkaian accelerometer, jadi kursus ini membaca gerakannya dari
gestures.py, model pergelangan tangan yang pendek, berlabel jelas, yang membuat trace berbentuk MPU6050 dengan ukuran, kecepatan, kemiringan pergelangan dan noise sensor per orang. Algoritma dan C yang diekspor persis seperti yang akan dipakai gelang sungguhan; kursus ini mengatakannya di tempat yang penting. - Engine-nya. Pi menjalankan MicroPython 1.29: tanpa numpy, jadi vektor berupa list;
randompunya satu generator, jadirandom.seedmembuat setiap run sama; dict tidak menyimpan urutan, jadi kelas menjadi index list. - Tombolnya memantul seperti tombol sungguhan, jadi boss memakai
bounce_timedari gpiozero. - Tidak ada compiler C di Pi: array dan fungsi C dicetak untuk kamu tempel ke sketch, dan kursus ini jujur bahwa ia berhenti di situ.