Commit 0f140389 authored by Olivier REYNET's avatar Olivier REYNET
Browse files

readme link rpi4

parent cfcce20f
......@@ -33,6 +33,30 @@ Au niveau des ressources nécessaires, on peut s'interroger :
- Faut-il un processeur capable ?
- Quelle puissance de calcul est requise ?
Une réponse simple à toute cette problématique est [TensorFlow Lite](https://www.tensorflow.org/lite/guide), le moteur d'interprétation de modèle de TensorFlow optimisé pour l'embarqué. La liste de ces avantages est fascinante :
- compatibilité matérielle extrême (Android, iOS, Linux, microcrontôleurs),
- interfaçage logiciel immense (Java, C++, Python...),
- possibilité d'accélération matérielle,
- l'interpréteur de modèle est un exécutable de taille infiniment optimisée (~1 Mo).
**Alors pourquoi réinventer la roue ?**
- Pour comprendre en profondeur comment tout ceci fonctionne,
- S'affranchir des dépendances qui impliquent des évolutions pas nécessairement souhaitées à vos produits et parfois des (re)qualifications coûteuses,
- Maîtriser entièrement sa conception et son développement logiciel.
Les conséquences de ces choix militants :
- création de compétences qui permettent de faire évoluer les entreprises,
- acquisition de souveraineté des produits,
- création de valeur.
# Contexte d'apprentissage
Pour illustrer ces problématiques, un contexte principal a été choisi : **la reconnaissance de styles musicaux**.
......@@ -75,7 +99,7 @@ Linux sera juste pratique dans le cadre de nos exercices et pourrait être suppr
Il sera possible d'ajouter à ces éléments TensorFlow Lite et d'autres outils dédiés à l'IA et l'embarqué.
[L'image du système de la RPI4 se trouve ici !](https://filesender.renater.fr/?s=download&token=bec2a806-8836-4abc-a8bb-ba0215291984).
[L'image du système de la RPI4 se trouve ici !](https://filesender.renater.fr/?s=download&token=769beef2-7287-456f-a439-5c09e886e210).
# Répertoires
......@@ -132,5 +156,3 @@ Ils seront automatiquement inscrits dans le fichier généré par write_csv.
- RF : élaborer une forêt d'arbre de décision pour améliorer les performances de CART, générer le code automatiquement et implémenter la prédiction sur la cible.
- SVM : élaborer un séparateur à vaste marge optimal et implémenter la prédiction sur la cible.
- ANN : élaborer un réseau de neurones artificiel optimal, implémenter le réseau en C++ pour prédire sur la cible.
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment