Home

Awesome

uTensor Workshop

Why Machine Learning on The Edge?

Teil 1 - Keras Überblick und erstes ML Modell

git clone https://github.com/choas/uTensor_workshop.git
cd uTensor_workshop

Ziel Jupyter Notebooks installieren

Python 2.7 sollte bereits installiert sein, ansonsten: Download Python 2.7.16

Virtualenv installieren

pip install virtualenv

cd python
virtualenv . -p <PYTHON2.7>  # oder nur virtualenv .
source bin/activate # Windows: env\Scripts\activate.bat
python --version

noch mehr Python installieren

TensorFlow, Keras, Jupyter und TensorFlow.js installieren:

pip install -r requirement.txt

TensorFlow und Keras Versionen

  1. Keras + TensorFlow = 🤬
  2. Welche Version passt mit welcher Version zusammen?
  3. Sunsetting tf.contrib

Jupyter Notebook starten

cd notebooks
jupyter notebook

Der (Default) Browser öffnet automatisch die Seite http://localhost:8888

Erstes Beispiel mit Keras

Was ist supervised und unsupervised learning?

01_XOR_Keras.ipynb öffnen und mit Run das Notebook Schritt für Schritt ausführen.

TensorBoard

cd python
source bin/activate
tensorboard --logdir notebooks/logs

Im Browser die Seite http://localhost:6006/ öffnen.

TensorBoard Keras

Modell verbessern

Wie können wir das Modell verbessern?

Teil 2 - XOR Modell mit TensorFlow

9 Things You Should Know About TensorFlo

02_XOR_TF.ipynb öffnen und mit Run das Notebook Schritt für Schritt ausführen (Original: Solving XOR with a Neural Network in TensorFlow)

Tensorflow Operator:

TensorBoard TensorFlow

mehr Modelle

Teil 3 - TensorFlow.js

Beispiel: Train a model in tf.keras with Colab, and run it in the browser with TensorFlow.js

Convert TensorFlow SavedModel and Keras models to TensorFlow.js

cd python/notebooks/web/
python -m SimpleHTTPServer 8000

python3 -m http.server

Im Browser öffnen: http://localhost:8000/

Save Modelle

MNIST

Fully connected 2 layer NN

Notebook

03_MNIST_TF.ipynb öffnen und mit Run das Notebook Schritt für Schritt ausführen.

more: Machine Learning is Fun! Part 3: Deep Learning and Convolutional Neural Networks

Teil 4 - uTensor

👉 Simple Neural Network on MCUs 👈

uTensor

mbed

mbed OS diagram

Nucleo F411RE

Installation ⏳

(Alternative Cloud9 Installer ???)

cd python
source bin/activate

GCC-arm cross-compiler:

brew install https://raw.githubusercontent.com/osx-cross/homebrew-arm/0a6179693c15d8573360c94cee8a60bdf142f7b4/arm-gcc-bin.rb

brew install mercurial git

pip install mbed-cli==1.9.1 utensor_cgen

Windows: https://launchpad.net/gcc-arm-embedded/+download

MNIST Beispiel

cd ../code
mbed new MNIST
cd MNIST
mbed add https://github.com/uTensor/uTensor

tensorflow/models/issues/3995:

pip install -U protobuf

uTensor convert

utensor-cli convert ../../python/notebooks/models/deep_mlp.pb --output-nodes=y_pred

mbed compile -m nucleo_f411re -t GCC_ARM --profile=uTensor/build_profile/release.json

FIX mbed

In der mbed-os/platform/mbed_rtc_time.h Datei die Zeilen löschen (siehe issues/6988:

#if !defined(__GNUC__) || defined(__CC_ARM) || defined(__clang__)

#endif

Upload

cp ./BUILD/NUCLEO_F411RE/GCC_ARM-RELEASE/MNIST.bin /Volumes/

screen /dev/cu.usbmodem14603 115200

mbed XOR (sigmoid)

mbed new XOR
mbed add https://github.com/uTensor/uTensor

utensor-cli convert ../../python/notebooks/models/xor_tf.pb --output-nodes=layer3/Sigmoid

unsupported op type in uTensor: Sigmoid

mbed XOR (relu)

04_XOR_TF_relu.ipynb öffnen und mit Run das Notebook Schritt für Schritt ausführen.

utensor-cli convert ../../python/notebooks/models/xor_relu.pb --output-nodes=add_1

Softmax:

uTensor Dateien

compile

mbed compile -m nucleo_f411re -t GCC_ARM --profile=uTensor/build_profile/release.json

Pins

Pins

weitere uTensor Beispiele

MNIST DISCO_F413ZH