O curso
Aprendizado de máquina em um microcontrolador é um curso avançado de Programação em sete aulas. A tarefa é uma pulseira que distingue um aceno, um soco e um círculo a partir de um acelerômetro. Não há numpy nem bibliotecas: cada modelo é escrito em Python puro, então você vê cada número. O circuito é a montagem do semáforo da galeria, uma lâmpada por gesto e um botão para fazer um gesto. Cada passo é conferido com o que a Pi imprime ou o que suas lâmpadas fazem, e cada número das aulas é um número que o programa realmente imprime.
- Dados e features: rastros brutos de (ax, ay, az), seis features (média e desvio padrão por eixo), médias por classe que mostram onde estarão os erros, uma divisão embaralhada de 66/24 entre treino e teste, e z-scores calculados só com o conjunto de treino.
- k vizinhos mais próximos: distância e votos, 21 de 24 com k = 3, escolher k sem espiar o conjunto de teste, uma matriz de confusão, por que as unidades destroem um modelo sem escala, e por que guardar o conjunto de treino inteiro é caro em um chip.
- Árvores de decisão: a melhor primeira pergunta pela impureza de Gini, uma árvore de profundidade 2 impressa como regras (22 de 24), overfitting visível com três gestos rotulados errado, e a árvore impressa como ifs em C.
- Um neurônio: uma soma ponderada e um degrau, pesos definidos à mão, a regra do perceptron aprendendo-os, separabilidade linear e onde um neurônio desiste, e uma lâmpada acionada pela saída dele.
- Treinamento na Pi: softmax e entropia cruzada, gradiente descendente com a perda caindo época por época, taxas de aprendizado pequenas demais e grandes demais, e uma rede neural 6-4-3 treinada por backpropagation (43 parâmetros).
- Pesos em C: as constantes do z-score e os pesos impressos como arrays em C, quantização em int8 com uma única escala, uma verificação de que o modelo int8 concorda com o modelo float em cada gesto de teste, e a função de classificação em C.
- Chefe: reconhecimento de gestos: a conclusão.
O gran final
O chefe treina na inicialização e depois classifica um gesto novo a cada apertada do botão, acendendo verde para um aceno, vermelho para um soco e âmbar para um círculo. Ele mostra um erro confiante (um círculo chamado de aceno com 92 por cento), adiciona um limite de confiança que responde "não tenho certeza" a uma sacudida que nunca foi ensinada, e se mede com honestidade em 30 gestos vindos de seeds que o treino nunca usou: 28 de 30.
O que é diferente aqui
- O sensor. O kit do catálogo é um ESP32 com um MPU6050. A galeria da Pi não tem circuito com acelerômetro, então o curso lê seus gestos de
gestures.py, um modelo curto e claramente rotulado de um pulso que gera rastros no formato do MPU6050, com tamanho, velocidade, inclinação do pulso e ruído do sensor próprios de cada pessoa. Os algoritmos e o C exportado são exatamente o que a pulseira real usaria; o curso avisa isso onde importa. - A engine. A Pi roda MicroPython 1.29: sem numpy, então vetores são listas;
randomtem um gerador só, entãorandom.seeddeixa toda execução igual; dicts não mantêm ordem, então as classes são índices de lista. - O botão trepida como um de verdade, então o chefe usa o
bounce_timedo gpiozero. - Sem compilador C na Pi: os arrays e a função em C são impressos para você colar em um sketch, e o curso é honesto que para aí.