最新章節

• 8.3.2 在視頻中進行目標檢測
• 8.3.1 在圖片中進行目標檢測
• 8.3 使用Coral USB加速器進行目標檢測
• 8.2.2 對視頻進行圖像分類
• 8.2.1 對圖片進行圖像分類
• 8.2 使用Google Coral USB加速器進行圖像分類

• 8.3.2 在視頻中進行目標檢測 更新時間：2020-11-23 16:50:08
• 8.3.1 在圖片中進行目標檢測
• 8.3 使用Coral USB加速器進行目標檢測
• 8.2.2 對視頻進行圖像分類
• 8.2.1 對圖片進行圖像分類
• 8.2 使用Google Coral USB加速器進行圖像分類
• 8.1.4 在Raspbian上安裝OpenCV
• 8.1.3 在Python虛擬環境中安裝edgetpu庫
• 8.1.2 使用Coral USB加速器進行分類、目標檢測和人臉識別
• 8.1.1 下載和安裝驅動庫
• 8.1 Google Coral TPU USB Accelerator 入門
• 第8章 深度學習邊緣推理上手實戰
• 7.6.2 創建嵌入特征提取器
• 7.6.1 運行Imprinting示例程序
• 7.6 在設備上重訓練圖像分類模型
• 7.5.6 配置自己的訓練數據
• 7.5.5 運行模型
• 7.5.4 為Edge TPU編譯模型
• 7.5.3 訓練
• 7.5.2 下載與配置訓練數據
• 7.5.1 前提
• 7.5 重訓練目標檢測模型
• 7.4.5 運行模型
• 7.4.4 為Edge TPU編譯模型
• 7.4.3 重新訓練分類模型
• 7.4.2 準備數據集
• 7.4.1 前提
• 7.4 重訓練圖像分類模型
• 7.3.5 在多個Edge TPU上運行多個模型
• 7.3.4 Edge TPU運行時庫與API
• 7.3.3 遷移學習
• 7.3.2 模型要求
• 7.3.1 兼容性概述
• 7.3 在Edge TPU上運行TensorFlow模型
• 7.2.3 在Edge TPU上運行模型
• 7.2.2 在Linux或樹莓派上進行配置
• 7.2.1 系統要求
• 7.2 USB加速器快速上手
• 7.1.3 硬件配置
• 7.1.2 軟件與性能
• 7.1.1 硬件規格
• 7.1 簡介與規格
• 第7章 深度學習邊緣推理：Google Edge TPU
• 6.4.6 查看日志和更新系統
• 6.4.5 修改啟動時運行APP機制
• 6.4.4 GPIO引腳擴展外設
• 6.4.3 自定義TensorFlow模型編譯器
• 6.4.2 Python API庫
• 6.4.1 關機和開機
• 6.4 維護和二次開發
• 6.3.10 對一張圖片進行圖像分類
• 6.3.9 對一張圖片進行菜肴分類
• 6.3.8 對一張圖片進行目標檢測
• 6.3.7 對一張圖片進行人臉識別
• 6.3.6 使用RASPISTILL拍照
• 6.3.5 檢測到人臉時拍照
• 6.3.4 用實時攝像頭進行人臉檢測
• 6.3.3 用實時攝像頭進行圖像分類
• 6.3.2 關閉“笑臉檢測器”釋放資源
• 6.3.1 在樹莓派上顯示一張圖片
• 6.3 Vision Kit的更多功能
• 6.2.4 使用顯示器、鼠標和鍵盤連接到Vision Kit
• 6.2.3 使用AIY APP連接到Vision Kit
• 6.2.2 運行“笑臉檢測器”
• 6.2.1 通電開機
• 6.2 運行第一個Demo
• 6.1.4 連接電路
• 6.1.3 詳細組裝過程
• 6.1.2 了解硬件刷寫系統
• 6.1.1 兩種組裝方法
• 6.1 組裝
• 第6章 智能圖像（二）：Google AIY Vision Kit
• 5.6 組裝與測試云臺系統
• 5.5.5 接口說明
• 5.5.4 與其他微控制器連接
• 5.5.3 與BeagleBone Black連接
• 5.5.2 與樹莓派連接
• 5.5.1 與Arduino連接
• 5.5 將Pixy2與微控制器連接
• 5.4.4 在微控制器上執行線跟蹤程序
• 5.4.3 線跟蹤算法快速上手
• 5.4.2 PixyMon的“專家（Expert）”和“條形碼標簽（Barcode Labels）”選項卡
• 5.4.1 PixyMon的“視圖（View）”和“微調（Tuning）”選項卡
• 5.4 巡線功能詳解
• 5.3.5 標記調整
• 5.3.4 通過PixyMon教授
• 5.3.3 白平衡
• 5.3.2 多種顏色標記
• 5.3.1 基本原則
• 5.3 教Pixy2學習一個物體
• 5.2.4 在Linux上安裝PixyMon
• 5.2.3 在Windows XP上安裝PixyMon
• 5.2.2 在Windows Vista/7/8/10上安裝PixyMon
• 5.2.1 在Mac上安裝PixyMon
• 5.2 安裝PixyMon
• 5.1.4 直接播放視頻
• 5.1.3 巡線系統中的線跟蹤
• 5.1.2 極強的顏色感知能力
• 5.1.1 主要功能
• 5.1 Pixy2詳解
• 第5章 智能圖像（一）：Pixy2
• 4.4.4 搭配Android Things
• 4.4.3 Voice Kit GPIO引腳擴展指南
• 4.4.2 使用Cloud Speech API
• 4.4.1 Python api library
• 4.4 更多玩法
• 4.3.7 更新和支持信息
• 4.3.6 查看日志
• 4.3.5 將demo設置成開機啟動
• 4.3.4 運行內置對話demo
• 4.3.3 獲取谷歌云平臺證書
• 4.3.2 確保音頻正常工作
• 4.3.1 遠程連接Voice Kit
• 4.3 啟動Google Assistant
• 4.2.3 連接顯示器、鼠標和電腦
• 4.2.2 AIY Projects APP
• 4.2.1 準備系統tf卡
• 4.2 準備軟件環境
• 4.1.5 搭建外部框架
• 4.1.4 組裝Voice Kit
• 4.1.3 材料清單
• 4.1.2 開始前的準備
• 4.1.1 Voice Kit簡介
• 4.1 簡介和組裝
• 第4章 智能語音（二）：Google AIY Voice Kit
• 3.4 可能會出現的一些問題
• 3.3.3 語音轉文字
• 3.3.2 語音對話
• 3.3.1 配置和DOA測試
• 3.3 Alexa SDK和DuerOs SDK
• 3.2.4 喚醒ReSpeaker
• 3.2.3 安裝聲卡并啟動ReSpeaker
• 3.2.2 樹莓派驅動安裝
• 3.2.1 Google Assistant配置及下載
• 3.2 語音識別和對話
• 3.1.5 控制板載LED：APA102
• 3.1.4 安裝Python虛擬環境
• 3.1.3 錄音播放測試
• 3.1.2 系統配置與驅動安裝
• 3.1.1 硬件介紹
• 3.1 樹莓派語音助手套件ReSpeaker1：環境準備
• 第3章 智能語音（一）：ReSpeaker
• 2.5.5 安全移除數據
• 2.5.4 編寫腳本自動執行
• 2.5.3 自動登錄目標服務器
• 2.5.2 備份到遠程服務器
• 2.5.1 備份整個文件系統
• 2.5 備份策略
• 2.4.4 自定義啟動
• 2.4.3 周期運行：cron
• 2.4.2 新時代的開機啟動：Systemd
• 2.4.1 傳統的開機啟動
• 2.4 系統啟動與關閉
• 2.3.4 磁盤映像
• 2.3.3 通過腳本安裝
• 2.3.2 手動編譯
• 2.3.1 下載與解壓縮
• 2.3 下載、編譯與安裝
• 2.2.4 信號
• 2.2.3 后臺任務
• 2.2.2 現代進程管理器
• 2.2.1 顯示進程
• 2.2 進程管理
• 2.1.5 共享文件夾
• 2.1.4 使用SSH遠程登錄
• 2.1.3 Ping命令
• 2.1.2 配置靜態IP
• 2.1.1 配置網絡
• 2.1 網絡操作
• 第2章 樹莓派命令行操作入門（下）
• 1.6.4 通過nano編輯
• 1.6.3 文件系統列表
• 1.6.2 找到磁盤
• 1.6.1 掛載與連接
• 1.6 硬盤管理
• 1.5.3 自定義命令行
• 1.5.2 切換用戶
• 1.5.1 創建新用戶
• 1.5 用戶相關命令
• 1.4.5 添加內容
• 1.4.4 文件重定向
• 1.4.3 正則表達式
• 1.4.2 grep命令
• 1.4.1 重定向
• 1.4 管道與流處理
• 1.3.3 文件屬性
• 1.3.2 軟件列表
• 1.3.1 了解sudo
• 1.3 安裝軟件與用戶權限
• 1.2.4 小心使用rm
• 1.2.3 cat、head與tail指令
• 1.2.2 編輯文件與翻頁
• 1.2.1 創建文件夾
• 1.2 文件讀寫
• 1.1.4 主目錄與改變文件夾
• 1.1.3 文件（夾）路徑
• 1.1.2 ls命令的歷史軼事
• 1.1.1 打開命令行
• 1.1 命令行簡介
• 第1章 樹莓派命令行操作入門（上）
• 前言
• 內容簡介
• 作者簡介
• 版權頁
• 封面

• 封面
• 版權頁
• 作者簡介
• 內容簡介
• 前言
• 第1章 樹莓派命令行操作入門（上）
• 1.1 命令行簡介
• 1.1.1 打開命令行
• 1.1.2 ls命令的歷史軼事
• 1.1.3 文件（夾）路徑
• 1.1.4 主目錄與改變文件夾
• 1.2 文件讀寫
• 1.2.1 創建文件夾
• 1.2.2 編輯文件與翻頁
• 1.2.3 cat、head與tail指令
• 1.2.4 小心使用rm
• 1.3 安裝軟件與用戶權限
• 1.3.1 了解sudo
• 1.3.2 軟件列表
• 1.3.3 文件屬性
• 1.4 管道與流處理
• 1.4.1 重定向
• 1.4.2 grep命令
• 1.4.3 正則表達式
• 1.4.4 文件重定向
• 1.4.5 添加內容
• 1.5 用戶相關命令
• 1.5.1 創建新用戶
• 1.5.2 切換用戶
• 1.5.3 自定義命令行
• 1.6 硬盤管理
• 1.6.1 掛載與連接
• 1.6.2 找到磁盤
• 1.6.3 文件系統列表
• 1.6.4 通過nano編輯
• 第2章 樹莓派命令行操作入門（下）
• 2.1 網絡操作
• 2.1.1 配置網絡
• 2.1.2 配置靜態IP
• 2.1.3 Ping命令
• 2.1.4 使用SSH遠程登錄
• 2.1.5 共享文件夾
• 2.2 進程管理
• 2.2.1 顯示進程
• 2.2.2 現代進程管理器
• 2.2.3 后臺任務
• 2.2.4 信號
• 2.3 下載、編譯與安裝
• 2.3.1 下載與解壓縮
• 2.3.2 手動編譯
• 2.3.3 通過腳本安裝
• 2.3.4 磁盤映像
• 2.4 系統啟動與關閉
• 2.4.1 傳統的開機啟動
• 2.4.2 新時代的開機啟動：Systemd
• 2.4.3 周期運行：cron
• 2.4.4 自定義啟動
• 2.5 備份策略
• 2.5.1 備份整個文件系統
• 2.5.2 備份到遠程服務器
• 2.5.3 自動登錄目標服務器
• 2.5.4 編寫腳本自動執行
• 2.5.5 安全移除數據
• 第3章 智能語音（一）：ReSpeaker
• 3.1 樹莓派語音助手套件ReSpeaker1：環境準備
• 3.1.1 硬件介紹
• 3.1.2 系統配置與驅動安裝
• 3.1.3 錄音播放測試
• 3.1.4 安裝Python虛擬環境
• 3.1.5 控制板載LED：APA102
• 3.2 語音識別和對話
• 3.2.1 Google Assistant配置及下載
• 3.2.2 樹莓派驅動安裝
• 3.2.3 安裝聲卡并啟動ReSpeaker
• 3.2.4 喚醒ReSpeaker
• 3.3 Alexa SDK和DuerOs SDK
• 3.3.1 配置和DOA測試
• 3.3.2 語音對話
• 3.3.3 語音轉文字
• 3.4 可能會出現的一些問題
• 第4章 智能語音（二）：Google AIY Voice Kit
• 4.1 簡介和組裝
• 4.1.1 Voice Kit簡介
• 4.1.2 開始前的準備
• 4.1.3 材料清單
• 4.1.4 組裝Voice Kit
• 4.1.5 搭建外部框架
• 4.2 準備軟件環境
• 4.2.1 準備系統tf卡
• 4.2.2 AIY Projects APP
• 4.2.3 連接顯示器、鼠標和電腦
• 4.3 啟動Google Assistant
• 4.3.1 遠程連接Voice Kit
• 4.3.2 確保音頻正常工作
• 4.3.3 獲取谷歌云平臺證書
• 4.3.4 運行內置對話demo
• 4.3.5 將demo設置成開機啟動
• 4.3.6 查看日志
• 4.3.7 更新和支持信息
• 4.4 更多玩法
• 4.4.1 Python api library
• 4.4.2 使用Cloud Speech API
• 4.4.3 Voice Kit GPIO引腳擴展指南
• 4.4.4 搭配Android Things
• 第5章 智能圖像（一）：Pixy2
• 5.1 Pixy2詳解
• 5.1.1 主要功能
• 5.1.2 極強的顏色感知能力
• 5.1.3 巡線系統中的線跟蹤
• 5.1.4 直接播放視頻
• 5.2 安裝PixyMon
• 5.2.1 在Mac上安裝PixyMon
• 5.2.2 在Windows Vista/7/8/10上安裝PixyMon
• 5.2.3 在Windows XP上安裝PixyMon
• 5.2.4 在Linux上安裝PixyMon
• 5.3 教Pixy2學習一個物體
• 5.3.1 基本原則
• 5.3.2 多種顏色標記
• 5.3.3 白平衡
• 5.3.4 通過PixyMon教授
• 5.3.5 標記調整
• 5.4 巡線功能詳解
• 5.4.1 PixyMon的“視圖（View）”和“微調（Tuning）”選項卡
• 5.4.2 PixyMon的“專家（Expert）”和“條形碼標簽（Barcode Labels）”選項卡
• 5.4.3 線跟蹤算法快速上手
• 5.4.4 在微控制器上執行線跟蹤程序
• 5.5 將Pixy2與微控制器連接
• 5.5.1 與Arduino連接
• 5.5.2 與樹莓派連接
• 5.5.3 與BeagleBone Black連接
• 5.5.4 與其他微控制器連接
• 5.5.5 接口說明
• 5.6 組裝與測試云臺系統
• 第6章 智能圖像（二）：Google AIY Vision Kit
• 6.1 組裝
• 6.1.1 兩種組裝方法
• 6.1.2 了解硬件刷寫系統
• 6.1.3 詳細組裝過程
• 6.1.4 連接電路
• 6.2 運行第一個Demo
• 6.2.1 通電開機
• 6.2.2 運行“笑臉檢測器”
• 6.2.3 使用AIY APP連接到Vision Kit
• 6.2.4 使用顯示器、鼠標和鍵盤連接到Vision Kit
• 6.3 Vision Kit的更多功能
• 6.3.1 在樹莓派上顯示一張圖片
• 6.3.2 關閉“笑臉檢測器”釋放資源
• 6.3.3 用實時攝像頭進行圖像分類
• 6.3.4 用實時攝像頭進行人臉檢測
• 6.3.5 檢測到人臉時拍照
• 6.3.6 使用RASPISTILL拍照
• 6.3.7 對一張圖片進行人臉識別
• 6.3.8 對一張圖片進行目標檢測
• 6.3.9 對一張圖片進行菜肴分類
• 6.3.10 對一張圖片進行圖像分類
• 6.4 維護和二次開發
• 6.4.1 關機和開機
• 6.4.2 Python API庫
• 6.4.3 自定義TensorFlow模型編譯器
• 6.4.4 GPIO引腳擴展外設
• 6.4.5 修改啟動時運行APP機制
• 6.4.6 查看日志和更新系統
• 第7章 深度學習邊緣推理：Google Edge TPU
• 7.1 簡介與規格
• 7.1.1 硬件規格
• 7.1.2 軟件與性能
• 7.1.3 硬件配置
• 7.2 USB加速器快速上手
• 7.2.1 系統要求
• 7.2.2 在Linux或樹莓派上進行配置
• 7.2.3 在Edge TPU上運行模型
• 7.3 在Edge TPU上運行TensorFlow模型
• 7.3.1 兼容性概述
• 7.3.2 模型要求
• 7.3.3 遷移學習
• 7.3.4 Edge TPU運行時庫與API
• 7.3.5 在多個Edge TPU上運行多個模型
• 7.4 重訓練圖像分類模型
• 7.4.1 前提
• 7.4.2 準備數據集
• 7.4.3 重新訓練分類模型
• 7.4.4 為Edge TPU編譯模型
• 7.4.5 運行模型
• 7.5 重訓練目標檢測模型
• 7.5.1 前提
• 7.5.2 下載與配置訓練數據
• 7.5.3 訓練
• 7.5.4 為Edge TPU編譯模型
• 7.5.5 運行模型
• 7.5.6 配置自己的訓練數據
• 7.6 在設備上重訓練圖像分類模型
• 7.6.1 運行Imprinting示例程序
• 7.6.2 創建嵌入特征提取器
• 第8章 深度學習邊緣推理上手實戰
• 8.1 Google Coral TPU USB Accelerator 入門
• 8.1.1 下載和安裝驅動庫
• 8.1.2 使用Coral USB加速器進行分類、目標檢測和人臉識別
• 8.1.3 在Python虛擬環境中安裝edgetpu庫
• 8.1.4 在Raspbian上安裝OpenCV
• 8.2 使用Google Coral USB加速器進行圖像分類
• 8.2.1 對圖片進行圖像分類
• 8.2.2 對視頻進行圖像分類
• 8.3 使用Coral USB加速器進行目標檢測
• 8.3.1 在圖片中進行目標檢測
• 8.3.2 在視頻中進行目標檢測 更新時間：2020-11-23 16:50:08