Dans cette deuxième partie, Frédéric vous invite à entraîner le modèle d’IA que vous avez créé précédemment. Ici vous verrez comment créer le modèle local sous Linux

Dans cette deuxième partie, Frédéric vous invite à entraîner le modèle d’IA que vous avez créé précédemment. Ici vous verrez comment créer le modèle local sous Linux
L’aventure que j’ai vécue avec les modules Hailo et Coral TPU M.2 m’a donné envie de tenter l’installation de TensorFlow sur le Raspberry Pi 5. J’avais déjà pas mal cherché sur les blogs et forums de ceux qui m’ont précédé dans cette recherche et j’ai abouti sur l’article d’Allan Alasdair qui m’a aidé dans cette démarche. Je vous présente ici ce qu’Allan a décrit dans son article où il réalise des benchmarks de TensorFlow et du module Coral.
L’émergence de solutions d’IA (Intelligence artificielle) comme ChatGPT ou DALL-E commence à faire ressentir le pouvoir de l’IA qui commence à envahir de nombreux aspects de notre vie. À l’heure actuelle, 80 % de l’IA mondiale s’exécute encore du côté serveur, et repose sur des « modèles de base », et seuls quelques appareils autonomes prennent en charge l’exécution de l’IA, comme la reconnaissance faciale, le réveil vocal et d’autres applications. De nombreux analystes estiment que l’IA ne sera pas mature pour une utilisation généralisée avant 2050. SeeedStudio souhaite accélérer ce processus afin que l’IA soit disponible pour les Makers, les appareils IoT industriels et autre matériel existant.