使用openmv4plus配套的edge impulse训练数字识别

        本人在学习openmv4plus训练数据集的时候，常常使用openmv开源的edge impluse来训练数据集，该网站是免费训练的，同时训练时不会占用你的CPU和显卡，对于本人的华为matebook14这种无法外接显卡来跑深度神经和机器学习的机器，简直是天赐的礼物！如果打开这个网站的时间过长，只需更换一个浏览器即可，只要网不掉，只要电脑有电，跑个深度学习是没有问题滴！

        话不多说，我们直接开始上手！

1、我们直接在浏览器里搜索edge impulse就会给我们弹出这个界面，简单的注册，我就不再展示，如果已经有账号了，我们可以点击Login进行登录

2、完成登录后，我们就会进入如下图所示的界面

     点击创建就可以了

3、 简单的命名过后，继续点击绿色按钮

4、创建过后，稍等片刻，全新界面弹出来了，有些小伙伴对英语不太敏感，直接翻译成中文，也是可以的，博主这里继续全英语的界面，因为机器翻译过来的中文会让人有些误解。

 5、这里我只用基于openmv4plus的最最简单的数字识别的例子进行实例，后续有空的话，我会继续更新其余机器学习的例子，我们要想让openmv4plus摄像头进行视觉识别的话，要先向这个网站传入我们的图像，进行训练，这里我们就点击images

 

 6、进入里面后，我们可以读到这样一句话

 那还想啥啊，这都给咱列出来了openmv、arduino、EDA开发板，肯定点这个啊！

 7、如果我们没有现成的照片的话，我们可以点击第一个，连接到我们的开发板上，通过我们的开发板，在编辑软件上进行截图，也就是图像获取，如果我们有现成的照片，我们可以点击第二个，直接进行上传数据，如果大家不知道如何去做，可以点击第三个，这里呢，博主为了省时间，直接用现成的照片，以第二个为例

 8、点击第二个按钮后，会进入如下图所示的界面 ，点击第一栏上传我们有的照片，第二栏就是我们选择我们的训练集和测试集了，这个可以直接使用网址自动给我们划分的，我们也可以定义训练集，或者测试集，那样的话我们就要额外进行一次这个步骤；第三栏就是给我们的训练集和测试集定义上标签了，这个无伤大雅，本人在实际操作的时候总是在第二栏和第三栏选择网站给我们定义的选项；

9、上传数据！

点击开始下载

 

10、之后右侧会给我们弹出一个命令行，这个命令行会滚动加载我们的数据

 加载完成之后，会在我们的界面里留下一个完成的绿色标志

 11、这时，我们点击右侧的create impulse

 进入下图所示的界面

12、我们可以在这个界面下规划我们图片的大小，而图片的大小也是影响我们训练速度的一个重要原因 ，本人是习惯于选择96×96的图片大小，同时下方的调整大小模式我经常选择Fit longest axi

 13、接下来就是添加我们的处理块和我们的学习块了，这里为了方便大家阅读，我使用了翻译，处理模块的选项，大家看这些选项，很轻松就可以根据我们的需求选择处理块

 学习块展示如下：

对于我们的数字识别，点击两个加了星号的选项就可以了

14、选择完后，我们直接点击save impulse进入下一模块

 15、点击完后，我们左侧的界面发生了变化，我们接着点击image，会进入如下界面

 

 我们可以在这里改变我们图片的格式，大家可以根据自己的要求，选择灰度和RGB

 选择完之后，直接点击save，进入如下界面

 点击创建之后，立刻就会给我们弹出界面内的命令行

完成后的界面： 16、完成之后，我们的再点击训练学习，这个也是在我们界面的左侧

 接下来，就到了我们训练数据集的时候了

 圆圈1圈起来的地方就是我们的训练次数，2是我们的学习率，选项三的话，我推荐大家都给勾上，这个起到一个数据增强的效果

 

 接下来就是一个很玄学的过程了， 下图选择神经网络不同可能会出现一些很玄学的错误，至今，该错误在百度、谷歌、CSDN上搜索都没有给出一个很好的解释和解决办法

接下来，选择我们的神经网络架构，这个架构本人在电赛期间亲自测试过，在2021年11月6日晚从11点训练到凌晨4点，在S11冠军EDG夺得全球总冠军的时候，我还在实验室苦苦的训练数据集，几乎把每个架构都跑了一遍，对于我的openmv4plus（买的盗版的，没有key）来说，是只有V2模型才适用的，不然就会出现上面说的那个玄学错误。

 之后，我们选V2模型之后，就可以进行训练了，又会弹出熟悉的命令框

 等待训练结束，进行部署就可以咯