【源码】基于TensorFlow Lite for Microcontrollers的正弦函数模拟与设备控制项目

项目简介

本项目基于TensorFlow Lite for Microcontrollers，在嵌入式设备上运行机器学习模型。以《TinyML》书籍为参考，覆盖了从模型训练到部署的全流程。项目训练模型模拟正弦函数，还能依据设备能力控制LED灯闪烁或实现动画效果，是学习TensorFlow Lite for Microcontrollers的入门教程。

项目的主要特性和功能

1. 模型训练与转换：通过Jupyter notebook教程，可自行训练模型并转换为TensorFlow Lite格式，便于在微控制器上运行。
2. 部署到微控制器板：提供针对STM32F769 discovery kit的代码和部署指南，可利用ARM Mbed进行构建和部署。
3. 控制LED灯或动画：运用机器学习模型生成的数据，实现对LED灯闪烁或动画效果的控制。

安装使用步骤

前提准备

确保安装以下工具： 1. Python（包含pip包管理器） 2. TensorFlow和必要的Python库（通过pip安装） 3. ARM Mbed CLI工具 4. 支持ARM编译器的环境（如Visual Studio）

步骤

1. 配置mbed设置文件：进入stm32F769NI文件夹，打开mbed_settings.py文件，根据开发环境和需求配置相关路径和设置，保证编译器路径、mbed用户名等配置正确。
2. 编译和部署到微控制器板：使用ARM Mbed CLI工具进行编译和部署，具体步骤参考项目文档或相关教程，确保微控制器板正确连接并配置。
3. 运行和测试项目功能：部署完成后，按照提供的教程和指南，在微控制器板上运行项目并测试。观察LED灯变化或动画效果，验证机器学习模型的运行结果，也可尝试训练自己的模型并部署到微控制器板上测试。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】