【天嵌分享活动】E9卡片电脑之TF卡测试

机器学习模型上线后的72小时:生产环境系统韧性实战指南 机器学习模型部署不是开发终点,而是系统工程的真正起点。在真实生产环境中,模型的可靠性远不止于准确率,更取决于其与上下游系统的契约稳定性、延迟敏感性、故障自愈能力及可审计决策链路。本文围绕MLOps核心挑战——数据漂移检测、实时监控、优雅降级、混沌压测与合规治理,结合金融风控等高要求场景,解析如何构建具备可观测性、可解释性与可追溯性的ML系统。重点涵盖score分布监控、特征级实时漂移告警、决策日志结构化、fallback无状态设计等落地实践,为数据科学家、算法工程师与技术管理者提供面向业务连续性的模型生命周 阅读详情

  天嵌开发板分享心得活动又迎来第二篇心得分享,这篇心得分享还是关于E9卡片电脑(关于TF卡测试)。希望以后的日子,广大用户可以提供更多板子更多心得。

  下面是心得内容:

  这次活动一开始就买了一套E9+5寸TFT屏,应该是9月初吧。一直没有时间来玩,趁公司没有这么忙,就测试一下吧。这算是回馈一下天嵌吧,毕竟还是便宜了100块啊(PS:100块至少代表20只鸡腿啦。)下面入正题:

  TF 卡支持热插拔,所以可以在系统起来之前或者之后插入 TF 卡,下图是在系统启动之后插入 TF 卡

  进行测试的。插入 TF 卡系统检测到 TF 卡插入后,系统会自动挂载。以下是挂载时串口的打印信息:

  注意:不同的 TF 卡串口打印信息会有不同,这里只作为参考。

【天嵌分享活动】E9卡片电脑之TF卡测试 - 广州天嵌 - 广州天嵌

 

  TF 使用的挂载目录是/mnt/ext_sd,使用 es 文件浏览器可以看到里面的内容。打开 es 文件管理器

【天嵌分享活动】E9卡片电脑之TF卡测试 - 广州天嵌 - 广州天嵌

 

  选择收藏,再选择/mnt/extsd 目录。

【天嵌分享活动】E9卡片电脑之TF卡测试 - 广州天嵌 - 广州天嵌

 

  可以看到 tf 卡里的内容,

【天嵌分享活动】E9卡片电脑之TF卡测试 - 广州天嵌 - 广州天嵌

 

来源:天嵌论坛

机器学习模型不是黑箱:可理解、可调试、可复现的工程化实践 机器学习模型本质上是受约束的函数逼近过程,其核心在于输入与输出之间的数学映射关系,而非玄学调参。理解模型需从函数空间、损失函数和泛化保障三要素切入,技术价值体现在对业务目标的精准翻译能力——如将风控代价转化为加权损失,将医生决策需求映射为概率校准输出。典型应用场景包括电商销量预测、设备故障预警、慢病风险分层等需强解释性与鲁棒性的工业级任务。本文聚焦真实项目中模型从数据契约建立、特征工程设计到部署监控的全链路工程实践,强调‘模型即产品’的落地逻辑,尤其突出SHAP解释性与PSI数据漂移监控等关键能力。 阅读详情

相关推荐

Arduino与树莓派硬件开发实战:从传感器到机器人项目全解析

开源硬件开发是连接数字世界与物理世界的核心技术,其核心在于微控制器与微型计算机两大平台。Arduino以其简化的开发环境和丰富的库生态,成为快速原型开发的基石,特别适合教育场景和创意验证。树莓派则凭借完整的Linux操作系统和强大的多媒体能力,为复杂应用提供了桥梁。在工程实践中,传感器与执行器构成了项目的感知与执行单元,而通信协议如I2C和串口则是硬件间协同的“对话规则”。通过引入PID控制等基础算法,项目能实现更智能的行为,例如让智能小车保持匀速或机械臂平滑运动。这些技术最终在机器人、物联网等应用场景中汇

weixin_33709609的博客 387

E9天嵌i.mx6q的nfs和tftp环境搭建

硬件环境:E9卡片fressscal的i.mx6q,天嵌开发板 软件环境:ubuntu12.04 目的: 1.实现E9卡片i.mx6q的tftp下载uImage,从下载的uImage中加载内核,然后nfs挂载到虚拟机 2.实现E9卡骗i.mx6q从mmc中读取uImage,启动内核,然后nfs挂载到虚拟机。 两种方式提高嵌入式开发效率,一种方式是内核和文件经常修改

bewinged 1947

从零手写Doc2Vec实现新闻语义聚类

文档向量化是文本挖掘的基础能力,其核心在于将非结构化文本映射为稠密、可计算的语义向量。Doc2Vec作为Word2Vec的扩展,通过PV-DBOW等变体直接建模文档级语义,相比BERT类模型更轻量、可控性强,尤其适合短文本、高时效、需解释性的场景。其技术价值体现在可定制词表构建、负采样策略、文档初始化与梯度更新等关键环节,支撑起稳定高效的语义聚类能力。典型应用场景包括新闻事件归并、政务简报分类、多源报道溯源等——这些任务不追求通用语言理解,而强调业务适配性与人工协同可解释性。本文即基于真实媒体数据中台实践,

hintcnuie 507

天嵌科技为E9卡片电脑Qt快速入门攻略

本手册是广州天嵌计算机科技有限公司与Qter开源社区联合出品的入门教程,基于天嵌E9卡片电脑,目的是让E9用户可以快速完成Qt环境搭建并开始Qt嵌入式编程。该教材中使用了最新的Qt 5.4.0版本,基于Linux(Ubuntu)编写,内容图文并茂,简单易懂,全部基于E9硬件平台,没有涉...

chuxiao0930的博客 776

天嵌E9卡片电脑用的Debian文件系统

Debian文件系统镜像. 天嵌E9卡片电脑用的. 比Ubuntu快. TQi.MX6Q应该也可以用.

E9_BOARD_V2

我有E9板子的全套资料,由于文件过大,有意者留下QQ免费分享!

天嵌TQ_E9卡片电脑移植飞思卡尔yocto L4.1.15_1.0.0_ga 第三篇 新版uboot(2015.04-r0)网卡移植(RTL8211E)

经过前面的移植现在板子已经能成功跑起来yocto的2015.04版u-boot,但是如果我们ping主机则会提示不通,这里我们继续把u-boot的网卡移植上去,毕竟之后的内核移植少不了tftp功能。 uboot-2015-04的独立phy网卡移植本身是很简单的,这里主要做个简单分析。 1.uboot网卡初始化整体流程: 该版Uboot中网卡的启动过程如下board_init_f>

zxr1521904712的博客 6684

MT 103 Single Customer Credit Transfer单笔客户转账

MT 103 Single Customer Credit Transfer单笔客户转账 MT103电文能通过三种方式交换,依赖电文使用的业务场景。 (1)   核心MT103电文是一个通用电文,发送和接收此电文不需要在电文用户组(MUG)注册。允许使用所有MT103电文域来交换单客户转账,除了77T域(信封内容)。MT103电文如果是根据预先约定的双边/多边规则的格式,则可以直通处理。 (

shuytu 1万+

天嵌E9开发板tftp烧录eMMC教程(Android)

环境:天嵌E9开发板 CPU:freescale imx6q 系统:Android 天嵌提供了MfgTool2.exe工具进行烧写.但是每次修改内核驱动都要烧写,很麻烦,于是想利用uboot通过tftp来单独烧写内核. 1.首先要知道mmc的分区结构,通过系统查看: root@sabresd_6dq:/ # cat /proc/partitions                    

dxmcu的专栏 2229

从零开始:小鼠Bulk RNA-seq全流程实战指南

本文提供了一份详尽的小鼠Bulk RNA-seq全流程实战指南,涵盖从软件环境搭建、原始数据质控与清洗、序列比对、基因定量到下游差异表达分析与功能富集。内容面向生物信息学新手,通过清晰的代码示例和步骤解析,帮助读者系统掌握Bulk RNA-seq数据分析的核心技能,并产出可靠的生物学洞见。

lake5的博客 715

Keil MDK 5.37及之后版本 安装AC5(ARMCC)编译器详细步骤

由于Keil 5.37及之后版本不再默认安装AC5(ARMCC)编译器,这就会导致由AC5编译的工程无法正常编译,往往输出窗口会提示以下信息:*** Target ‘STM32xxxx‘ uses ARM-Compiler ‘Default Compiler Version 5‘ which is not available.

s_Modesto的博客 1万+

生产级机器学习系统:从模型部署到系统韧性工程

机器学习系统在生产环境中的核心挑战,早已超越算法建模本身,转向对系统可观测性、容错性与业务语义一致性的综合保障。其原理在于将模型视为嵌入真实业务流的动态组件,而非静态函数——需应对数据漂移、特征延迟、集成噪声等现实扰动。技术价值体现在降低线上故障率、提升决策可审计性与跨团队协作效率;典型应用场景包括金融风控、实时推荐与信贷审批等高可靠性要求领域。本文聚焦‘模型服务化’与‘系统韧性设计’两大热词,提供可落地的监控体系、优雅降级策略与生产就绪工具链实践。

weixin_30621959的博客 450

从逻辑门到存储阵列:NAND与NOR闪存命名与结构原理详解

在数字电路与半导体存储器领域,逻辑门是构建一切复杂功能的基础单元,其输入输出关系定义了计算与存储的基本原理。与非门(NAND)和或非门(NOR)作为通用逻辑门,其真值表和行为模式深刻影响了芯片设计。基于这些原理,现代闪存技术发展出了两种核心架构:NAND Flash和NOR Flash。这两种闪存的命名直接源于其内部存储单元阵列的连接方式,分别模拟了与非门和或非门的逻辑关系。这种结构差异决定了它们根本的技术价值:NOR Flash采用并联结构,支持快速随机读取,适用于代码存储与原地执行(XiP);而NAND

weixin_33377602的博客 341

开源AI基础设施:构建高效模型训练与部署的关键技术

AI基础设施是支撑机器学习模型从开发到落地的核心技术栈,涵盖数据处理、训练框架、推理服务等关键组件。其核心原理在于通过分布式计算优化资源利用率,并借助开源工具链实现全生命周期管理。在技术价值层面,开源AI基础设施显著降低了企业应用AI的门槛,同时通过社区协作推动技术快速迭代。典型应用场景包括大规模模型训练、实时推理服务和边缘计算部署,其中TensorFlow、PyTorch等框架与MLflow、Kubeflow等工具的组合已成为行业标准实践。随着大模型和量子机器学习等前沿技术的发展,AI基础设施正面临新的挑

weixin_33889245的博客 410

芒果YOLOv5改进55:损失函数篇之KLD:即插即用 芒果首发原创新颖|全网唯一更新KLD改进博客,通过 Kullback-Leibler 散度学习用于目标检测的高精度边界框,提升YOLOv5小目标

YOLOv5改进KLD损失函数:即插即用 原创新颖|芒果专栏独家首发

包括YOLOv5、YOLOv7、YOLOv8等模型改进 664

CMake入门教程【基础篇】CMake+Visual Studio2022构建C++项目

CMake+Visual Studio2022搭建C++环境

小鱼酱的博客 4971

数据科学项目简化实践:用MVP思维对齐业务与技术

数据科学项目本质上是将原始数据转化为可执行业务决策的价值漏斗,其成败关键不在于算法先进性,而在于模型是否具备可解释性、可维护性与业务对齐能力。过度依赖复杂模型(如BERT、GNN)常导致认知带宽超载、反馈周期拉长和信任缺失,违背工业界‘透明即可靠’的工程原则。真正的简化不是降级技术,而是通过MVP思维锚定高价值密度切口,在第3天交付能跑、能看、能说清逻辑的最小闭环;结合规则+简单模型组合、业务指标翻译器、技术红绿灯等实操机制,实现从‘炫技陷阱’到‘价值落地’的跃迁。本文聚焦数据科学项目中的简化实践与业务对齐

weixin_30882895的博客 408

Orange3实战教程:文本挖掘---标注语料库地图

Oreange3,文本挖掘,标注语料库地图用于在二维投影中可视化、聚类文档,并用关键词进行标注。

err2008的专栏 818

MLOps工程化落地:破解模型上线即失效的四大铁律

MLOps(机器学习运维)是支撑AI规模化应用的核心工程范式,其本质在于将非确定性的机器学习系统纳入可控、可度量、可追溯的工程闭环。不同于传统DevOps,它需应对随机性建模、数据依赖爆炸、服务化SLA约束等独特挑战,关键技术价值体现在保障模型生命周期管理与特征一致性。典型应用场景覆盖金融实时反欺诈灰度发布、IoT端侧模型热更新、临床试验合规沙盒迭代、零售需求预测漂移自愈等高要求产线环境。本文聚焦真实项目中验证过的MLOps核心实践与避坑指南,尤其深入解析模型可复现性与线上监控闭环两大高频痛点。

hwpokay的专栏 394

android13删除录屏权限提示框-去除录屏提示

在Android 13中,当应用请求屏幕录制权限时,系统会弹出一个权限提示框,要求用户明确授权。这个提示框是为了增强用户隐私保护,让用户知道有应用尝试录制屏幕。但是,在某些情况下,开发者可能希望避免显示这个提示框,以提供更流畅的用户体验。本文将介绍如何在Android 13中删除录屏权限提示框。

zhutoubenben的专栏 1880

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

2022数据科学实战书单:21本真货构建最小可行知识图谱

数据科学不是理论考试,而是解决真实问题的工程实践。从数据清洗、特征工程到模型部署与统计思维,核心能力围绕‘可运行代码+全链路覆盖+工程化解释’展开。本书单聚焦Python生态主流工具(pandas/scikit-learn/TensorFlow 2.8+)、MLOps落地细节(Docker/Flask/Prometheus)及时间敏感性(API变更、云服务升级、M1芯片适配),规避过时内容与翻译陷阱。特别强调特征工程中的业务逻辑建模(如行为衰减特征)、模型评估中的分布外泛化(OOD)与SHAP误用风险,以及

weixin_30730053的博客 384

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

从Notebook到生产:机器学习模型服务化落地实战

机器学习模型服务化(ML productionization)是将训练好的模型稳定、可靠、可扩展地部署到真实业务场景的关键环节。其核心原理在于解耦特征工程、模型推理与服务治理,通过标准化格式(如ONNX)、统一特征存储(Feature Store)和可观测性体系(observability for ML)构建可测量、可干预的闭环系统。技术价值体现在降低运维复杂度、提升GPU资源利用率、保障P99延迟稳定性,并支撑快速回滚与自动降级。典型应用场景覆盖金融风控、电商推荐、工业预测等高并发、低延迟、强容错需求领域

weixin_34296641的博客 411

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

中文NLP落地实战:文本分类、实体识别与语义相似度工程化指南

自然语言处理(NLP)是让机器理解人类语言的基础技术,其核心能力包括文本分类、命名实体识别(NER)、语义相似度计算和文本生成。这些能力的工程化落地并非依赖模型参数规模,而是由数据质量、领域适配和特征设计共同决定。尤其在中文场景下,标点语义、分词歧义与领域漂移构成三大隐形瓶颈;而NLP应用落地的关键,在于将业务逻辑转化为可建模的特征——如标注一致性提升直接带动文本分类实战效果,领域词典注入显著改善实体抽取精度。本文聚焦中文短文本处理瓶颈与语义相似度工程化实践,提供从清洗、特征到轻量部署的全链路方法论,适用于

windshg的专栏 454

用户反馈采集系统:数据科学家必须掌握的源头治理能力

用户反馈是产品优化的核心数据源,但原始自由文本(free-text feedback)具有高噪声、低结构、强情境依赖等特性,直接输入通用NLP工具常导致情感误判、意图丢失与分析失效。其根本挑战在于:反馈质量取决于采集设计,而非模型精度。需从行为心理学出发,构建触发时机精准、表达门槛极低、元数据完备的前端采集机制;通过设备型号标准化、错误术语锚定、意图显式标注等工程手段,将原始文本转化为‘可清洗、可对齐、可溯源’的高质量语料;最终以多维评估矩阵(紧急度、可执行性、影响面、情绪强度)替代单一sentiment

weixin_30715523的博客 367
上一篇: 【研讨会现场】广州天嵌科技受邀参加2014年TI9月深圳研讨会
下一篇: TQ210coreD开发板,新品核心板参数发布
embedsky510
博客等级 码龄12年 6粉丝 7原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值