[EdgeAI] Một hướng dẫn đủ chi tiết để các bạn có thể hiểu được các việc cần thực hiện để “Nhúng mô hình học sâu nhận diện âm thanh lên vi điều khiển STM32” với các công cụ phần mềm, các hướng dẫn cấu hình, sử dụng ngoại vi ADC kết hợp DMA, chuyển đổi mô hình AI xuống STM32, sinh mã code, cài đặt các thư viện cần thiết để xử lý âm thanh, chạy thử nghiệm, đánh giá các thông số…Continue Reading

Trong machine learning (học máy), classification (phân loại) đề cập đến việc predict (dự đoán) label (nhãn) của một đầu vào dữ liệu. Bài viết này sẽ đề cập đến các thông số đo lường, phương đánh giá mô hình phân loại được sử dụng phổ biến: accuracy, precision, recall, F-1 Score, ROC curve, và AUC. So sánh giữa 2 thông số đo lường mà mọi người dễ nhầm lẫn là precision và recall.Continue Reading

AI Edge là một hướng nghiên cứu tìm năng với rất nhiều ứng dụng trong các lĩnh vực khác nhau. Tuy nhiên, việc thiết kế và nhúng mô hình trí tuệ nhân tạo lên các thiết bị edge như các vi điều khiển là một quá trình phức tạp với những người mới bắt đầu. Quá trình này phuộc thuộc sâu vào phần cứng, và các thư viện, phần mềm hỗ trợ và yêu cầu các kiến thức cả về Trí tuệ nhân tạo, xử lý tín hiệu số và các kiến thức về hệ thống nhúng như vi điều khiển, vi xử lý.Continue Reading

X-CUBE-AI là gói phần mềm mở rộng thuộc hệ sinh thái STM32Cube.AI được thiết kế để tích hợp vào STM32CubeMX với tính năng chính là tự động chuyển đổi mô hình trí tuệ nhân tạo đã được huấn luyện trước để tạo thành thư viện code được thêm sẵn vào project STM32. Các bạn chỉ cần gọi sử dụng các hàm (API) từ thư viện vào chương trình chính của vi điều khiển để thực thi. Bên cạnh đó, gói phần mềm mở rộng X-CUBE-AI cũng bao gồm tính năng xác thực các mô hình mạng nơ-ron nhân tạo trên cả máy tính và vi điều khiển STM32, cũng như đo lường các thông số hiệu suất trên các thiết bị STM32 từ phần mềm mà không cần người phát triển phải tích hợp thêm các mã chương trình chạy trên vi điều khiển để đo lường một cách thủ công.Continue Reading

Hiện nay hãng ST đã cung cấp các giải pháp và công cụ giúp chúng ta có thể thực thi các mô hình trí tuệ nhân tạo đã được huấn luyện trước lên các dòng vi điều khiển STM32. Việc sử dụng sức mạnh của trí tuệ nhân tạo có thể giúp các bạn nâng cao hiệu suất xử lý tín hiệu, tăng hiệu năng và có thể làm giảm năng lượng tiêu thụ cho các ứng dụng sử dụng vi điều khiển STM32. Trong bài viết này, mình sẽ giới thiệu về các bước để có thể triển khai mô hình trí tuệ nhân tạo lên vi điều khiển STM32.Continue Reading

Cây quyết định (Decision Tree) là một cây phân cấp có cấu trúc được dùng để phân lớp các đối tượng dựa vào dãy các luật (series of rules). Khi cho dữ liệu về các đối tượng gồm các thuộc tính cùng với lớp (classes) của nó, cây quyết định sẽ sinh ra các luật để dự đoán lớp của các đối tượng chưa biết (unseen data).Continue Reading

Dựa theo phương thức học thì các thuật toán Machine Learning có thể chia ra làm 3 loại: Supervised Learning (Học có giám sát), Unsupervised Learning (Học không giám sát) và Reinforcement learning (Học củng cố). Supervised Learning là thuật toán dự đoán đầu ra của một dữ liệu mới dựa trên các cặp dữ liệu đầu vào cho trước. Unsupervised Learning chỉ có dữ liệu đầu vào và được áp dụng cho các trường hợp không dự đoán được câu trả lời chính xác cho mỗi dữ liệu đầu vào. Trong bài giới thiệu này sẽ không đề cập đến Reinforcement learning mà chỉ chú trọng vào Supervised Learning và Unsupervised Learning.Continue Reading

Deep learning là một kỹ thuật học máy sử dụng để giúp cho máy – những vật dường như vô tri có thể học được như con người bằng cách học từ những ví dụ. Deep learning là chìa khóa công nghệ đằng sau những chiếc xe tự hành, cho phép xe nhận ra dấu hiệu dừng, hoặc có thể phát hiện được các mối nguy hiểm ở xung quanh… Deep learning cũng là chìa khóa cho việc điều khiển các thiết bị khác chỉ bằng giọng nói. Hiện tại, “Deep learning chỉ bị giới hạn bởi trí tưởng tượng của con người”.Continue Reading