44、边缘人工智能：从模型训练到实际应用

边缘人工智能：从模型训练到实际应用

1. 边缘机器学习模型训练

现在可以开始训练边缘机器学习模型了。在 Edge Impulse 中有多种训练模型的方法，其中最简单的是可视化（或 Web GUI）编辑模式。如果是机器学习工程师或专家，或者已经有使用 TensorFlow/Keras 进行编码的经验，也可以在 Edge Impulse Studio 中以本地或专家模式编辑迁移学习块。

1.1 可视化模式设置

通过 Edge Impulse 可视化模式或在导航栏“脉冲设计”下选择“NN 分类器”选项卡的默认视图，可以轻松配置机器学习训练设置和神经网络架构。具体设置如下：
- 训练周期数：30
- 学习率：0.0005
- 验证集大小：20%
- 自动平衡数据集：不勾选 [ ]
- 神经网络架构：
- 密集层（20 个神经元）
- 密集层（10 个神经元）

将这些设置复制到神经网络分类器的块配置中，然后点击“开始训练”。训练完成后，可以在“模型：上次训练性能”视图中查看迁移学习结果。

1.2 异常检测

神经网络在模式识别方面表现出色，但对于新的、未见过的数据存在困难，因为它们仅在特定数据集上进行训练。可以通过以下步骤进行异常检测：
1. 从导航栏中选择“异常检测”选项卡。
2. 点击“选择建议轴”按钮，自动选择用例的建议特征重要性轴。
3. 点击“开始训练”，查看“异常探测器”结果。

2. 模型测试

2.1 实时分类

• 从“实时分类”选项卡，