panweitong 3 年之前
父節點
當前提交
4739b2da41
共有 29 個文件被更改,包括 7 次插入35 次删除
  1. 6 16
      aikit/AI_1.md
  2. 1 19
      aikit/AI_4.md
  3. 二進制
      media/ai/AI_E2.png
  4. 二進制
      media/ai/AI_E3.png
  5. 二進制
      media/ai/AI_I19.png
  6. 二進制
      media/ai/AI_I20.png
  7. 二進制
      media/ai/AI_anzhuang_1.png
  8. 二進制
      media/ai/AI_coco1.png
  9. 二進制
      media/ai/AI_coco2.png
  10. 二進制
      media/ai/AI_connectfinish.png
  11. 二進制
      media/ai/AI_macupload2.png
  12. 二進制
      media/ai/AI_macupload3.png
  13. 二進制
      media/ai/AI_macupload5.png
  14. 二進制
      media/ai/AI_macupload6.png
  15. 二進制
      media/ai/AI_macupload7.png
  16. 二進制
      media/ai/AI_s4.png
  17. 二進制
      media/ai/AI_s8.png
  18. 二進制
      media/ai/AI_shangchuan1.png
  19. 二進制
      media/ai/AI_shangchuan2.png
  20. 二進制
      media/ai/AI_shangchuan4.png
  21. 二進制
      media/ai/AI_shangchuan5.png
  22. 二進制
      media/ai/AI_tuozhan2.png
  23. 二進制
      media/ai/AI_upload1.png
  24. 二進制
      media/ai/AI_upload2.png
  25. 二進制
      media/ai/AI_upload9.png
  26. 二進制
      media/ai/AI_uploader1.png
  27. 二進制
      media/ai/AI_uploader2.png
  28. 二進制
      media/ai/AI_usb_1.png
  29. 二進制
      media/ai/AI_zhengmian.png

+ 6 - 16
aikit/AI_1.md

@@ -93,25 +93,21 @@ AI 模組作爲人工智能相關應用的主控模組,擁有基礎計算機
 Blockly X圖形化編程工具,是可用於學習Python基礎以及AI模組的在綫編程環境。通過這款工具可以給IoT模組和AI推理模組編寫程式及上傳程式。<br>
 在Chrome瀏覽器輸入網址 https://demo-lecode.smartedu.lenovo.com/blockpy/ ,即可開始在Blockly X編程。<br>
 <img src="./media/ai/AI_coco1.png" width="350"/>
-1. 文檔存取區:程式項目命名、保存(保存為.xml檔)、刪除所有積木及所有積木一鍵截圖
-2. 模式切換區:樣例加載、模式切換(主機板模組與 AI 模組)<br>
+1. 文檔存取區:程式項目命名、保存(保存為.xml檔)及所有積木一鍵截圖
+2. 模式切換區:模式切換(主機板模組、AI 模組與 python代碼模式)、樣例加載<br>
 <img src="./media/ai/AI_coco2.png" width="350"/>
-3. 輔助區:學習資料、項目檔導入及導出、語言設置、以及用戶登入
-<br>其中,學習資料按鈕,可以跳轉至EDU或者AI HUB學習平臺:<br>
-<img src="./media/ai/AI_coco3.png" width="350"/>
-<img src="./media/ai/AI_coco4.png" width="350"/>
+3. 輔助區:語言設置、項目檔導入及導出、固件升級以及幫助文檔
 4.	積木指令區:除基礎積木以外(由「邏輯」至「序列埠通訊」),不同模式下擁有不同的擴展積木
 5.	積木編程區:將積木拖入此區域中以進行程式編寫
 6.	Python編程區:當用戶將積木拖入積木編程區以後,此處將會生成對應的Python源代碼,支持用戶對代碼進行編輯、複製、下載及上傳,下載後綴為 .py格式的python文檔<br>
-<img src="./media/ai/AI_coco5.png" width="350"/>
-7.	上傳區:用戶可選擇使用有線或者無線上傳模式
+7.	上傳區:用戶可選擇使用運行或者上傳代碼
 
 ---
 ## C.	Blockly Uploader
 Blockly Uploader是一款跨平臺的上傳插件,安裝後可以使Blockly X實現瀏覽器、IoT模組和AI推理模組間的通訊,將編寫完成的程式上傳到相關模組。安裝方法如下:
 1. 進入Blockly X編程平臺,https://demo-lecode.smartedu.lenovo.com/blockpy/ <br>
 <img src="./media/ai/AI_uploader1.png" width="350"/>
-2.	將滑鼠移向右下方「上傳區域」的「下載」圖示位置,點按「Windows」下載Uploader,如果是Mac系統,則點按「Mac」進行下載。<br>
+2.	將滑鼠移向導航欄「連接」的「下載安裝程序」圖示位置,點按「Windows」下載Uploader,如果是Mac系統,則點按「Mac」進行下載。<br>
 <img src="./media/ai/AI_uploader2.png" width="350"/>
 
 #### Windows系統下的安裝:
@@ -130,8 +126,6 @@ Blockly Uploader是一款跨平臺的上傳插件,安裝後可以使Blockly X
 <img src="./media/ai/AI_upload8.png" width="210"/><br>
 5. 最後,點按「完成」結束Uploader安裝程式 <br>
 <img src="./media/ai/AI_upload9.png" width="210"/>
-<img src="./media/ai/AI_upload10.png" width="210"/><br>
-6. 點擊GO TO Blockly X即可進入積木編程頁面
 
 #### Mac系統下的安裝:
 1)「Mac」用戶右鍵點擊安裝檔案,選擇“安裝程式(預設值)”進行安裝<br>
@@ -155,13 +149,9 @@ Blockly Uploader是一款跨平臺的上傳插件,安裝後可以使Blockly X
 2.	在上方「切換區域」選擇AI模組:
 <br>
 <img src="./media/ai/AI_shangchuan2.png" width="350"/><br>
-3.	在右下方「上傳區域」檢查以下設定:
-<br>
-<img src="./media/ai/AI_shangchuan3.png" width="350"/><br>
-4.	在「上傳區域」點按如下圖所示中,左下角位置的「運行」按鈕上傳程式到AI模組中。
+3.	在「上傳區域」點按如下圖所示中,左下角位置的「運行」按鈕上傳程式到AI模組中。
 <br>
 <img src="./media/ai/AI_shangchuan4.png" width="350"/><br>
-
 上傳失敗或出現其他錯誤,請參閲:[Uploader常見錯誤處理](/aikit/A0.md)。
 
 ##### 注意:

+ 1 - 19
aikit/AI_4.md

@@ -67,25 +67,7 @@
 ###### 3)	人類學習過程和電腦學習過程的對比
 前面我們給出了人類學習和認識數字的過程,也就是下圖左邊的部分,通過上一節的學習,我們知道了電腦學習並認識數字的過程,那麼總結起來,就是下圖右邊所示的步驟。
 <br><img src="./media/ai/AI_p8.png" width="350"/><br>
-###### 4)	手寫數字識別的實現演示
-我們知道了手寫數字識別的原理,那麼,現在就來看看實際電腦中是如何實現圖像識別的吧。
-打開網址:https://ai-blockly.cocorobo.hk/ ,進入AI blockly頁面。<br>
-進入後,首先選擇Examples選項。
-<br><img src="./media/ai/AI_p9.png" width="350"/><br>
-然後,繼續選擇Tensor Flow選項,然後選擇Digit Recognition選項,並選擇OK。
-<br><img src="./media/ai/AI_p10.png" width="350"/><img src="./media/ai/AI_p11.png" width="350"/><br>
-然後,就會出現如下圖所示的積木程式塊。
-<br><img src="./media/ai/AI_p12.png" width="350"/><br>
-繼續點擊右下角區域中的RUN按鈕,即可開始訓練。
-<br><img src="./media/ai/AI_p13.png" width="350"/><br>
-訓練的迭代過程中,會產生如下圖所示的函數曲線圖及網路結構資訊(Model Architecture),可通過觀察曲線圖的變化,來判斷訓練執行的狀態及模型的訓練效果。
-<br><img src="./media/ai/AI_p14.png" width="350"/><br>
-如上圖所示,是演示的最終效果,左邊是曲線圖,第一副圖是訓練集(loss)和驗證集(val_loss)的loss變化曲線,loss是損失函數,即模型預測出的結果與標籤標注的真實值的差值。這個差值是隨著訓練輪數Epoch的增加而逐漸減小的。<br>
-第二幅圖是訓練集(acc)和驗證集(val_acc)的準確率變化曲線,準確率為識別正確的圖像個數除以總的圖像數的比值,該值隨著Epoch的增加而逐漸增大。<br>
-右側為推理測試區,在畫布中寫出你要測試的數字,點擊Detect,即可得到最終的識別結果。<br>
-其結果將打印顯示在右上方區域的Console中。
-<br><img src="./media/ai/AI_p15.png" width="350"/><img src="./media/ai/AI_p16.png" width="350"/><br>
-手寫數字識別的整個實現過程到這裏就結束了。<br>
+
 接下來,我們來學習今天最重要的部分——物體識別。
 
 ---

二進制
media/ai/AI_E2.png


二進制
media/ai/AI_E3.png


二進制
media/ai/AI_I19.png


二進制
media/ai/AI_I20.png


二進制
media/ai/AI_anzhuang_1.png


二進制
media/ai/AI_coco1.png


二進制
media/ai/AI_coco2.png


二進制
media/ai/AI_connectfinish.png


二進制
media/ai/AI_macupload2.png


二進制
media/ai/AI_macupload3.png


二進制
media/ai/AI_macupload5.png


二進制
media/ai/AI_macupload6.png


二進制
media/ai/AI_macupload7.png


二進制
media/ai/AI_s4.png


二進制
media/ai/AI_s8.png


二進制
media/ai/AI_shangchuan1.png


二進制
media/ai/AI_shangchuan2.png


二進制
media/ai/AI_shangchuan4.png


二進制
media/ai/AI_shangchuan5.png


二進制
media/ai/AI_tuozhan2.png


二進制
media/ai/AI_upload1.png


二進制
media/ai/AI_upload2.png


二進制
media/ai/AI_upload9.png


二進制
media/ai/AI_uploader1.png


二進制
media/ai/AI_uploader2.png


二進制
media/ai/AI_usb_1.png


二進制
media/ai/AI_zhengmian.png