Джон Нордби, инженер по машинному обучению, поставил перед собой цель создать плату для разработки, подходящую для tinyML-приложений с ценой в один доллар.
В основе разработанной миниатюрной платы лежит микроконтроллер Puya PY32F003 с процессором Arm Cortex-M0+. Возможно, он не слишком мощный, но его вполне достаточно для многих приложений. Для связи был включен Holtek BC7161 Bluetooth Low Energy, а для завершения основы сборки - батарея LIR1220 с кнопочным элементом и зарядное устройство.
Чтобы устройство было полезным, оно должно собирать информацию для анализа. Для этого на плату были установлены датчики. В частности, трехосевой акселерометр STMicroelectronics LIS3DH для сбора данных о движении и ускорении, а также МЭМС-микрофон (датчики звука) для записи звука.
Программирование пользовательских плат должно быть довольно простым, поскольку они были разработаны для совместимости с emlearn. Этот фреймворк позволяет разработчикам обучать свои модели на Python, а затем запускать на любом устройстве, даже на маломощных микроконтроллерах вроде Puya PY32F003 с компилятором C99.
Если вы хотите собрать свою собственную копию этой платы для экспериментов с tinyML, обязательно ознакомьтесь с описанием проекта Нордби: https://hackaday.io/project/194511-1-dollar-tinyml. Файлы дизайна и исходный код также доступны на GitHub: https://github.com/jonnor/embeddedml/tree/master/projects/dollar_tinyml, чтобы дать вам возможность начать работу.
Чтобы устройство было полезным, оно должно собирать информацию для анализа. Для этого на плату были установлены датчики. В частности, трехосевой акселерометр STMicroelectronics LIS3DH для сбора данных о движении и ускорении, а также МЭМС-микрофон (датчики звука) для записи звука.
Программирование пользовательских плат должно быть довольно простым, поскольку они были разработаны для совместимости с emlearn. Этот фреймворк позволяет разработчикам обучать свои модели на Python, а затем запускать на любом устройстве, даже на маломощных микроконтроллерах вроде Puya PY32F003 с компилятором C99.
Если вы хотите собрать свою собственную копию этой платы для экспериментов с tinyML, обязательно ознакомьтесь с описанием проекта Нордби: https://hackaday.io/project/194511-1-dollar-tinyml. Файлы дизайна и исходный код также доступны на GitHub: https://github.com/jonnor/embeddedml/tree/master/projects/dollar_tinyml, чтобы дать вам возможность начать работу.