Развертывание приложения классификации изображений реального времени в Azure Sphere
На данный момент вы обновили проект необходимыми данными и библиотеками и настроили параметры. Теперь вы можете начать развертывание приложения классификации изображений реального времени в Azure Sphere.
В этом модуле вы не будете использовать камеру для записи изображений и классифицировать их в Azure Sphere. Вы возьмете пользовательское изображение и преобразуете его в пиксельные значения. Они будут выступать в качестве входного изображения для сетевой модели. Вы оцените модель на основе предварительно определенных входных данных.
В этом уроке используются следующие компоненты.
cifar-10-IMG_DATA.ipynb: это записная книжка Jupyter, доступная в репозитории GitHub. Она создает пиксельные значения пользовательского изображения.
Вы выполните приведенные ниже действия.
- Определение входного изображения в приложении классификации изображений
- Начало развертывания приложения в Azure Sphere
- Отображение выходных данных в эмуляторе терминала
Теперь вы создаете и запускаете нейронную сеть исключительно с предварительно определенными входными данными в Azure Sphere. Исходный код обработает входное изображение и выведет получившиеся выходные данные в эмуляторе терминала.
К концу этого модуля вы узнаете, как запустить модель классификации изображений на микроконтроллере ARM, например Azure Sphere. Вы также изучите основы платформы CMSIS-NN.
Кроме того, если эта платформа нейронной сети используется для обработки данных и извлечения полезной информации, спектр доступных для выполнения задач расширяется еще больше.