秦天qintian0303 发表于 2024-10-25 13:29 这个透明的屏幕是什么啊？看着很高级啊

上一届大赛做的全息显示器

lugl4313820 发表于 2024-10-24 18:58 不会吧，我的一个多星期了。还没有发货的消息！

看了一下我是17号下单的，不行工作时间去得捷官网找客服问问

lugl4313820 发表于 2024-10-24 12:47 你的用了几天呀，我下单了，还没有看到有发货信息。

第一时间下单，昨天到的

wangerxian 发表于 2024-10-15 18:20 气体传感器一般都不会返回具体浓度，都得自己转换，有些值还和温度有关。

关键这些库都没有Circuitpy的就很麻烦

保存整个模型（序列化模型和权重，依赖python环境，不灵活） torch.save(model, "model.pth") 加载整个模型 model = torch.load("model.pth")   只保存权重文件（模型在代码里写好，保存和加载模型和优化器权重，更灵活） save_dict = {} save_dict[f'model_state_dict'] = model.state_dict() save_dict[f'optimizer_state_dict'] = optimizer.state_dict() torch.save(save_dict,  "state_dict.pth")   加载权重文件 checkpoint = torch.load("state_dict.pth") model.load_state_dict(checkpoint['model_state_dict']) optimizer.load_state_dict(checkpoint['optimizer_state_dict'])

个人信息无误，确认可以完成评测计划。

sipower 发表于 2024-7-29 09:57 你这个板A10检测效果如何，我这个板，A10用ADC采集的数不对，我用的是CircuitPython做的

挺灵敏的，没有东西阻挡时读出来285，有物体阻挡的话最大能到670左右，他这个IR接收器只能接受脉冲信号，官方文档里有说是38KHZ，arduino可以这么实现 void sendIRPulse() {   for (int i = 0; i < 32; i++) {      digitalWrite(irTransmitterPin, HIGH);     delayMicroseconds(13);      digitalWrite(irTransmitterPin, LOW);     delayMicroseconds(13);    }  

sipower 发表于 2024-7-29 00:41 int distance = analogRead(A6); // 读取红外传感器的值 红外传感器应该是A10吧？

是的，没仔细看文档还以为板子上RX就是对应IR接收器上面的RX，A6 A7是串口的，已经修改了，之前那个相当于是靠检测电容实现的接近检测，感谢纠正😂

秦天qintian0303 发表于 2024-7-27 19:40 这个板子的灯相当丰富，CircuitPython一般用什么IDE比较普遍啊？

之前用的vs code，里面有个circuitpython插件，装了就可以了，而且自带包管理工具也能直接连串口，很方便

图发给chatgpt给他分析

Jacktang 发表于 2024-6-2 08:52 总结了一下，大概这么几步 硬件连接，将点阵显示屏连接到ESP32开发板的相应引脚上。 网络配置，配置ESP ...

完成打卡 #AI挑战营终点站# 使用RV1106通过摄像头实时识别手写数字 https://bbs.eeworld.com.cn/thread-1282873-1-1.html

本帖最后由 MioChan 于 2024-5-9 15:31 编辑 个人信息已确认，领取板卡，可继续完成&分享挑战营第二站和第三站任务。 最终测试准确率已补充在原帖，为98.87

  补充一下最终的测试集准确率，为98.87

个人信息无误，确认可以完成评测计划

本帖最后由 MioChan 于 2024-4-26 22:48 编辑 1、跟帖回复：什么是ONNX模型、RKNN模型 ONNX（Open Neural Network Exchange，开放式神经网络交换格式）是一种模型文件格式，它在模型训练和模型推理中间提供了中间桥梁，使得上游不同的训练框架都能导出ONNX格式的模型，给到下游不同的推理框架都可以读取ONNX进行部署。 RKNN（Rockchip Neural Network）模型是Rockchip公司提出的一种专门用于在其NPU上部署和运行深度学习模型，RKNN-Toolkit则为用户提供在 PC、 Rockchip NPU平台上进行模型转换、推理和性能评估的开发套件   2、以#AI挑战营第二站#为标题前缀，发帖分享ONNX模型转换成RKNN模型过程，包含环境部署、转换代码、解读代码，并附上RKNN模型。 #AI挑战营第二站# Windows下ONNX转RKNN模型过程 

#AI挑战营第一站# 基于Pytorch实现的手写数字识别，并通过tensorboard可视化训练结果 预期应用：利用所带的摄像头，写一些手写数字或者打印一些数字，实现准确快速的识别的应用。

本帖最后由 MioChan 于 2024-4-14 20:18 编辑 1、跟帖回复：用自己的语言描述，模型训练的本质是什么，训练最终结果是什么 神经网络本质就是一个强大的拟合函数，训练过程就是通过loss function进行反向传播来优化网络中可训练的参数，例如权重和偏置。最终训练好的模型其实就是保存了模型的可训练的这些参数的信息。   2、跟帖回复：PyTorch是什么？目前都支持哪些系统和计算平台？ PyTorch 是 Torch 框架的继承者和进化版本，简单来说是Python的一个开源深度学习框架。主流计算平台基本都支持，例如Windows、macOS、Linux等等，Pytorch维护更新速度真的很快，像是mac m1问世后很快就支持Mac的GPU计算了。   3、动手实践：#AI挑战营第一站# 基于Pytorch实现的手写数字识别，并通过tensorboard可视化训练结果 https://bbs.eeworld.com.cn/thread-1277781-1-1.html

个人信息无误，确认可以完成阅读分享计划

附议，哪怕给个电子的都行