图片「点击链接」正在修复中，请至「下拉至页面最后」点选相关连结 详细请参考文献出处 i.MX Machine Learning User's Guide.pdf 【AI 应用】系列博文 【eIQ 机器学习框架】 【ATU Book-i.MX8系列 - eIQ】eIQ 介绍 【ATU Book-i.M

前言 在Android开发中，实现即时脸部侦测功能是一个具有挑战性且引人注目的任务。幸运的是，Google的MediaPipe库为我们提供了一个简单且高效的解决方案。MediaPipe是一个开源的跨平台机器学习框架，可以用于各种视觉计算任务，包括脸部侦测。在本篇教学中，我们将使用MediaPipe库

1. 前言 随著当今电动车主电池电压从 400V 增加到 800V，公共充电基础设施也正在支援800V电动车充电架构，有助于车主们在公路旅程，加快公共充电时间。直流充电站可以提供高达350 kW 的功率，并在15分钟内为电动车充满电。由于其快速充电能力，直流快速充电器是公共停车地点的理想选择。另外，

一.   概述 在边缘运算的重点技术之中，除了 模组轻量化网路架构 与 模组量化 技术之外。另一项技术就是将各家神经网路框架 进行所谓的 模组转换 技术，能帮助开发者快速部属至不同的神经网路框架中。故这里想跟各位读者探讨关于各种模型格式转换为 TensorFlow Lite 的方式，依序分为 Ten

      i.MX 8XLite系列扩展了i.MX 8系列的可扩展范围，由来自高端i.MX 8X系列的通用子系统和架构组成，建立了一系列高性价比扩展和高水平软件重用。支持扩展的软件生态系统和专用的硬件安全模块，使用单个处理器实现车载信息服务解决方案和车联网 (V2X) 应用，同时保持高效的性能。

一.   概述 前几篇文章，说明了如何搭建 Tensorflow Keras 1.x / 2.x / Keras 环境，同时也引入相对应的运算概念并带领各位建立手写辨识系统。接下来，将一步步引导各位，将所建立的手写辨识模组在 i.MX8 的平台实现!! 主要以 i.MX8QM 与 i.MX8M Pl

一.   概述 上篇文章，说明如何搭建 Tensorflow Keras 环境以及 Keras 使用版本为 2.3.1 。此外，若各位想了解 TF 1.x 与 2.x 的差异，可以前往本系列的其他文章去认识 Tensorflow 1.x 与 2.x 的主要运作模式。本章节将快速带领初学者使用 Ten

一.   概述 上篇文章，向各位说明了当今火热的深度学习框架 Tensorflow 1.x 与 2.x 的差别，以及高阶应用程式 Keras 与 Tensorflow Lite 轻量化网路模型的简单介绍。为了加快踏上 人工智能 AI 与 机器学习 Machine Learning 的世界里，不仿直接

一.   概述 上篇文章，说明了 Tensorflow 2.x 的基本运算概念以及官方改革推从的 动态图(Eager) 的设计理念 ! 相信各位是有一定程度的了解，因此本篇就将带领各位一步步运用动态图的概念去搭建神经网路架构、训练模组、最后实现手写识别 !! 赶快跟上 AI 潮流，开启 Jupyte

恩智浦的i.MX 8M Nano系列应用处理器为需要图形、视觉、语音控制、智能感应和通用处理的智能、互联、节能设备提供了高性价比的集成和实惠的性能。 i.MX 8M Nano系列包含i.MX 8M Nano 、i.MX 8M Nano Lite和i.MX 8M Nano UltraLite。表1突出