Aus dem Kurs: TinyML mit TensorFlow und Python für Microcontroller

Raspberry Pi Pico

Aus dem Kurs: TinyML mit TensorFlow und Python für Microcontroller

Gratismonat starten Für Ihr Team erwerben

Raspberry Pi Pico

“

Als Microcontroller für diesen Kurs verwende ich den Raspberry Pi Pico, weil er kostengünstig ist, von der Raspberry Pi Foundation, wie die größeren Raspberry Pis, stammt, bereits ein paar Jahre auf dem Markt ist und sich etabliert hat, für die Beispiele in diesem Kurs bezüglich Speichergröße und Geschwindigkeit ausreichend ist, und der verwendete Microcontroller RP2040 auch in anderen Boards Verwendung findet. Hier habe ich verschiedene Ausführungen. Betrachten wir den Raspberry Pi Pico etwas genauer. Der Raspberry Pi Pico ist ein kostengünstiges, leistungsstarkes Microcontroller Board mit flexiblen digitalen Schnittstellen. Er verwendet ein RP2040 Microcontroller Chip, basierend auf dem Dual-Core ARM Cortex M0+-Prozessor. Er hat eine flexible Taktung bis zu 133 MHz, 264 KB SRAM und 2 MB integrierten Flash-Speicher, USB 1.1 mit Geräte- und Host-Unterstützung und er hat einen Micro-USB-Anschluss, stromsparenden Sleep- und Ruhemodus, Drag-and-drop-Programmierung über USB-Massenspeicher, insgesamt 26 GPIO-Multifunktions-Pins, davon zwei SPI, zwei I2C, zwei UART, drei Analog-Digitalwandler und 16 steuerbare PWM-Kanäle. Der Microcontroller kann mit verschiedenen Programmiersprachen wie Assembler, C, C++, Python und andere programmiert werden. Und er ist leistungsstark genug, um TensorFlow Micro auszuführen. Im Kurs verwende ich MicroPython mit einer integrierten TensorFlow Micro-Bibliothek. Das Training der Modelle erfolgt jedoch nicht auf dem Raspberry Pi Pico, sondern auf einem leistungsstärkeren Rechner.

Inhalt