我这两年收藏的嵌入式AI资源,并做了学习笔记

2024-05-18 17:58

本文主要是介绍我这两年收藏的嵌入式AI资源,并做了学习笔记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

有粉丝问我:“当前乃至未来5-10年,嵌入式开发者还有哪些风口?”

画外音:风口的本质,其实就是一段时间的人才供需不平衡。说白了就是由于行业突变,敏锐的资本快速进入,导致短时间内行业大量扩张,需要大量开发者。

目前的嵌入式开发越来越倾向于智能化,也就是我们所说的智能硬件(硬件+软件)。

以百度机器人为例,机器人的核心是大脑,即是“数据和算法” ,但机器人大脑想机器人身躯能够像人类一样活动,能说会道,行走自如,那么就必须得依靠嵌入式技术。

人工智能虽然红火了这些年,但它真正业务落地的大舞台就是在物联网端侧AI嵌入领域,这里面有非常庞大的应用场景。

6a444ebe7f26b3a76358c6b46210cae9.png

所以,我个人觉得,在物联网和人工智能的促进下,嵌入式在未来的5-10年内会迎来更多的发展机会,一方面嵌入式开发会迎来更多的应用场景,另一方面嵌入式开发的技术体系也会逐渐丰富,从而拓展物联网开发的技术边界。

目前已经有不少AI框架已经逐步支持端侧AI了,比如谷歌的tensorflow lite 和 tensorflow lite micro,以及华为的mindspore lite。芯片厂商ST和NXP 也都推出了部分面向端侧AI的工具和demo。

我本人一直从事嵌入式开发工作,同时也一直关注着嵌入式AI的发展,相信随着5G时代的到来,AI于各行业垂直领域应用具有巨大的潜力

每一个风口下技术人才永远是最难求的一个工种,自从移动互联网来,优秀的开发者身价被翻了几倍之多。

在当下,我个人非常看好嵌入式AI行业在未来的发展潜力,并且不用太焦虑于是否行业已经发展到了瓶颈,我们要做的,首先是巩固自身的实力水平,让自己能在机会来时抓住它。

那么在这样的时代背景下对于从事嵌入式开发的技术人员来说,我给3点建议,来提升自身的职场价值:

  • 进一步丰富自身的知识结构,要重点关注人工智能技术;

  • 注重行业经验的积累,嵌入式开发与行业领域有非常多的联系(未来嵌入式开发会逐渐向传统行业覆盖);

  • 关注工业互联网领域的相关技术。

最近整理一套AI入门必备的学习资料,强烈推荐大家学习,作者王小天,拥有8年人工智能领域实战经验,目前就职于BAT之一,AI算法高级技术专家,法国TOP3高校双硕(计算机科学和数学应用双硕士)毕业。

他在人工智能和芯片领域发表10余篇论文,具有深厚的学术背景和丰富的项目及业务落地经验。

工作期间主要负责人工智能业务线CV与NLP相关算法工作,推进人机混合智能、语义分割、机器翻译、虹膜识别等模块的核心算法研究与优化。对图像分类、物体检测、目标跟踪、自动驾驶、计算机体系结构等有深入的研究。

他兼具理论与实战落地经验,深知初学者学习痛点。说实话,这样资历的人,很难得。

(资料内容过多,仅截取部分)

aa8e98e06093ccbd4de241a571f3ef58.gif

由于工作需要,这份教程我本人也在学习中,虽然已经从事这个行业多年,再看这份教程的时候,仍然能查漏补缺,收获满满,我相信不管是AI入门,还是已经具备了一定的工作经验,这份学习资料,都值得你去认真学习研究

所有以上相关的的内容全部都已经打包好了,汇总成了一份百度云的链接,小贴心之处是怕有的兄弟没有买百度云会员的朋友,能用2MB+/S的速度下载,还特地给大家准备了下载工具。

👇长按下方二维码 2 秒

立即领取

603a8c9d91db41850e7decba1eaeff92.png

接下来,我详细介绍一下,这份资料该如何学习?

首先,入门AI,掌握一门深度学习框架是必备的生存技能之一

所以教程会从深度学习框架学习入手,带你从零开始训练网络,做到独立搭建和设计卷积神经网络(包括主流分类和检测网络),并进行神经网络的训练和推理(涉及PyTorch、Tensorflow、Caffe、Mxnet等多个主流框架),通过实战让你掌握各种深度学习开源框架。

截取框架学习部分目录大家感受下。

深度学习与神经网络

  • 深度学习简介

  • 基本的深度学习架构

  • 神经元

  • 激活函数详解(sigmoid、tanh、relu等)

  • 感性认识隐藏层

  • 如何定义网络层

  • 损失函数

推理和训练

  • 神经网络的推理和训练

  • bp算法详解

  • 归一化

  • Batch Normalization详解

  • 解决过拟合

  • dropout

  • softmax

  • 手推神经网络的训练过程

从零开始训练神经网络

  • 使用python从零开始实现神经网络训练

  • 构建神经网络的经验总结

深度学习开源框架

  • pytorch

  • tensorflow

  • caffe

  • mxnet

  • keras

  • 优化器详解(GD,SGD,RMSprop等

在计算机视觉技术方面,会系统讲解卷积神经网络、目标检测、OpenCV等,从检测模型教学逐步深入,直到达到CV算法核心能力的提升。

网上相关AI入门资源也很多,但很多技术内容太少,也不成体系,或是写的不全面半懂不懂,重复内容占绝大多数(这里弱弱吐槽百度的搜索结果多样化)。

画外音:同质性的教程有一份就够,注意筛选,不要浪费不必要的时间。

👇长按下方二维码 2 秒

立即领取

2410898063969c1e161ed3ebf83b0d10.png

由于微信限制,一个号每天加人上限是100人,太多就被限制了,抓紧扫码领取,先到先得。

这篇关于我这两年收藏的嵌入式AI资源,并做了学习笔记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/995619

相关文章

【TensorFlow深度学习】经典卷积网络架构回顾与分析

经典卷积网络架构回顾与分析 经典卷积网络架构回顾与分析:从AlexNet到ResNet、VGGLeNet、ResNet、DenseNet的深度探索AlexNet ——深度学习的破冰点火VGGNet — 简洁的美ResNet — 深持续深度的秘钥DenseNet — 密集大成塔实战代码示例:ResNet-50模型结语 经典卷积网络架构回顾与分析:从AlexNet到ResNet、

国内AI工具访问量第一的竟然是它?!不是Kimi,也不是文心一言

大家好,我是木易,一个持续关注AI领域的互联网技术产品经理,国内Top2本科,美国Top10 CS研究生,MBA。我坚信AI是普通人变强的“外挂”,所以创建了“AI信息Gap”这个公众号,专注于分享AI全维度知识,包括但不限于AI科普,AI工具测评,AI效率提升,AI行业洞察。关注我,AI之路不迷路,2024我们一起变强。 如果要说国内AI工具一哥是谁?很多小伙伴肯定第一时间想到Kimi或

【Modelground】个人AI产品MVP迭代平台(1)——平台简介

文章目录 背景什么是Modelground?什么是Mediapipe?目标读者总结 背景 这个时代是AI的时代。相信你也能感觉到,最近几年,AI大模型层出不穷, 且迭代速度极快。无论你是哪个行业,都有必要严肃认真地考虑AI会给你的行业带来什么样的机遇或挑战。 AI在自然语言、视频、音频、自动驾驶等领域已经展现出非凡的潜能。但是,AI的应用,目前还是相对局限。大部分人能说出来的无

NXP RT1060学习总结 - 基础CAN功能

1、RT1060-CAN功能简介 这里使用的是RT1060系列的1064芯片进行开发,使用的是官方提供的开发板;提供的CAN外设为CAN2,使用CAN2的好处是IO与CAN3可以互相映射,而CAN3是具备CAN-FD功能。 2、CAN IO初始化 static void can2_gpio_config(void){//设置GPIO的始终CLOCK_EnableClock(kCLOCK_I

Vue3实战笔记(59)—从零开始掌握Vue3插槽机制,进阶与提高

文章目录 前言一、具名插槽二、高级列表组件示例总结 前言 接上文,接下来看一点稍微复杂的:具名插槽 一、具名插槽 子组件 MyComponent.vue: <template><div><slot name="header"></slot><slot></slot><slot name="footer"></slot></div></template> 父组件

嵌入式Qt开发C++的程序内存和函数高级

C++核心编程 文章目录 C++核心编程1、程序的内存模型2、函数高级1.函数的默认参数2.函数的占位参数3.函数重载1.基本语法2.注意事项 1、程序的内存模型 C++程序的内存模型主要涉及到程序在运行过程中如何管理内存。C++提供了几种不同的内存区域来存储不同类型的变量和对象,这些区域包括栈(stack)、堆(heap)、全局/静态存储区(global/static

tensorflow 2.0 学习

tensorflow2.0 学习地址 https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book https://github.com/dragen1860/TensorFlow-2.x-Tutorials

机器学习笔记——双线性回归 MF、 FM

双线性模型 在推荐系统领域常常使用 含义是二元函数固定一个自变量时,函数关于另外一个自变量是线性的。 矩阵分解模型MF 如果我们需要对一个用户推荐电影我们应该怎么推荐? 结合用户以及用户对电影的评分,可以猜测用户的偏好,如果给某部电影分值很高,这个电影是爱情剧、战争、悬疑、哪个导演、什么时间等等都是特征,将每部电影的特征表示成向量,向量的每一个维度代表应该特征,其值越大就表示电影在某个特征程

线性代数|机器学习-P2 A的列向量空间

文章目录 1. Ax矩阵的形式2. A=CR 矩阵分解2.1 rank=1 矩阵分解2.2 rank=2 矩阵分解2.3 A=CMR,求M 3. Ax 向量 1. Ax矩阵的形式 假设我们有如下矩阵A: A x = [ 2 1 3 3 1 4 5 7 12 ] [ x 1 x 2 x 3 ] \begin{equation} Ax=\begin{bmatrix} 2&1&3\\

【深度学习的未来:探索无监督学习的潜力】

文章目录 前言无监督学习的基本概念简单的无监督学习示例:K-Means聚类分析代码结论 前言 随着深度学习技术的不断进步,我们正逐渐从依赖大量标注数据的有监督学习转向更加高效和自主的无监督学习。无监督学习旨在让机器从数据中自行发现模式和结构,而无需人为提供标签。这一转变不仅能够减少数据收集和标注的成本,还能使机器学习模型更加适应未见过的数据和环境。本篇博客将探讨无监督学