Ik ontwikkel aangepaste tinyml-modellen voor microcontrollers en single board computers


Over deze dienst
Automatische vertaling
Breng intelligentie naar de rand! Ik ontwikkel en optimaliseer high-performance AI-modellen voor hardware met beperkte resources zoals ESP32, ESP32-S3, Raspberry Pi en STM32. Als je complexe Machine Learning wilt draaien op microcontrollers met minimale RAM en Flash, help ik je graag.
Mijn expertise omvat:
- Aangepaste AI-ontwikkeling: Geoptimaliseerde architecturen (CNN, RNN, TinyYOLO, MobileNet) voor Edge-apparaten.
- Modeloptimalisatie: Geavanceerde Post-Training Quantization (INT8/Float16) en Pruning om de grootte en het energieverbruik te verminderen.
- Implementatie: Productieklaar TensorFlow Lite Micro (TFLite) en C++ code voor Arduino/ESP-IDF.
- Computer vision: Beeldclassificatie en objectdetectie voor ESP32-Cam.
- Signaalverwerking: AI voor IMU-sensoren, keyword spotting en anomaliedetectie.
Ondersteunde technologieën:
- Frameworks: TensorFlow Lite, PyTorch, Edge Impulse, Keras.
- Hardware: ESP32-serie, Raspberry Pi 4/5/Pico, Arduino, ARM Cortex-M.
Ik overbrug de kloof tussen zware Data Science en embedded silicon.
Neem contact met me op voordat je bestelt om je hardwarebeperkingen te bespreken
Maak kennis met Saran Khaliq
Building smarter solutions with Computer visions, AI and Robotics
- Afkomstig uitPakistan
- Lid sindsapr 2021
- Gem. reactietijd1 uur
- Laatste levering1 week
Talen
Urdu, Hindi, Engels
Automatische vertaling
Andere AI-development diensten die ik aanbied
Veelgestelde vragen
Automatische vertaling
1. Kan elk AI-model draaien op een ESP32 of ESP32-S3?
Niet direct. Standaard modellen zijn te groot voor het RAM-geheugen van microcontrollers. Ik specialiseer me in Quantization (omzetten van 32-bit naar 8-bit) en Pruning om modellen te comprimeren zodat ze passen op het beperkte geheugen van de ESP32 zonder significante nauwkeurigheid te verliezen.
2. Welke frameworks gebruik je voor Embedded AI?
2. Welke frameworks gebruik je voor Embedded AI? Ik werk vooral met TensorFlow Lite Micro (TFLite), Edge Impulse, ESPDL, ESP-PPQ (Quantization Tools) en PyTorch. Voor implementatie lever ik C++ of Arduino-compatibele code die klaar is om op je apparaat te worden geprogrammeerd via ESP-IDF of Arduino IDE.
3. Moet ik de dataset voor training aanleveren?
Idealiter wel. Voor aangepaste taken zoals specifieke objectdetectie of unieke sensorsignalen is een hoogwaardige dataset nodig. Als je er geen hebt, kan ik helpen bij het zoeken naar open-source data of adviseren over hoe je die kunt verzamelen via je hardware.
4. Wat is het verschil tussen Cloud AI en Edge AI (TinyML)?
Ja. Als je huidige model je ESP32/Pi vertraagt of crasht, kan ik optimalisatietechnieken toepassen zoals layer fusion en INT8 quantization om de inference-snelheid (FPS) te verhogen en het geheugenverbruik te verminderen.
5. Kan je mijn bestaande model optimaliseren zodat het sneller draait?
Ja. Als je huidige model je ESP32/Pi vertraagt of crasht, kan ik optimalisatietechnieken toepassen zoals layer fusion en INT8 quantization om de inference-snelheid (FPS) te verhogen en het geheugenverbruik te verminderen.

