一,、人工智能教學(xué)開發(fā)實驗箱總體介紹
1、人工智能教學(xué)開發(fā)平臺采用Jetson Nano開發(fā)套件
2,、提供現(xiàn)代AI的強大功能,。完整的軟件可編程性。Jetson Nano采用四核64位ARM CPU和128核集成NVIDIA GPU,，可提供472 GFLOPS的計算性能,。它還包括4GB LPDDR4存儲器，采用高效,，低功耗封裝,，具有5W / 10W功率模式和5V DC輸入。
3,、兼容這些框架和NVIDIA的AI平臺,，可以比以往更輕松地將基于AI的推理工作負載部署到Jetson。Jetson Nano為各種復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)（DNN）模型提供實時計算機視覺和推理,。這些功能支持多傳感器自主機器人，具有智能邊緣分析的物聯(lián)網(wǎng)設(shè)備和先進的AI系統(tǒng),。甚至轉(zhuǎn)移學(xué)習(xí)也可以使用ML框架在Jetson Nano上本地重新訓(xùn)練網(wǎng)絡(luò),。
4.、Jetson Nano開發(fā)套件的占地面積僅為80x100mm,，具有四個高速USB 3.0端口,，MIPI CSI-2攝像頭連接器,，HDMI 2.0和DisplayPort 1.3，千兆以太網(wǎng),，M.2 Key-E模塊,，MicroSD卡插槽，和40引腳GPIO接頭,。端口和GPIO接頭開箱即用,，具有各種流行的外圍設(shè)備，傳感器和即用型項目,。
5,、Jetson Nano可以運行各種各樣的高級網(wǎng)絡(luò)，包括流行的ML框架的完整原生版本,，如TensorFlow,，PyTorch，Caffe / Caffe2,，Keras,，MXNet等。通過實現(xiàn)圖像識別,，對象檢測和定位,，姿勢估計，語義分割,，視頻增強和智能分析等強大功能,，這些網(wǎng)絡(luò)可用于構(gòu)建自動機器和復(fù)雜AI系統(tǒng)。
二,、人工智能教學(xué)開發(fā)實驗箱硬件資源及技術(shù)參數(shù)

三,、主要實驗項目
平臺提供OpenCV、機器學(xué)習(xí),、深度學(xué)習(xí)和端側(cè)AI模型部署等教學(xué)資源,，并提供從神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練、模型轉(zhuǎn)換到模型部署的完整文檔教程,。配套豐富的實訓(xùn)案例以及開發(fā)手冊等,。
1、控制基礎(chǔ)例程
(1)控制RGB燈
(2)控制蜂鳴器
(3)操作控制舵機
(4)讀取舵機位置
(5)控制所有舵機
(6)控制機械臂做一些動作
(7)操作機械臂記憶動作
(8)機械臂夾方塊
2,、OpenCV基礎(chǔ)例程
(1)圖像讀取與顯示,；
(2)圖像繪制；
(3)圖像ROI提??；
(4)圖像幾何變換；
(5)圖像形態(tài)學(xué)操作,；
(6)圖像輪廓提取
3,、機器學(xué)習(xí)基礎(chǔ)例程
(1)回歸算法,；
(2)聚類算法；
(3)分類算法,；
(4)決策樹,；
(5)支持向量機；
4,、深度學(xué)習(xí)基礎(chǔ)例程
(1)神經(jīng)網(wǎng)絡(luò)線性回歸,；
(2)神經(jīng)網(wǎng)絡(luò)非線性回歸；
(3)全連接神經(jīng)網(wǎng)絡(luò)識別手寫數(shù)字,；
(4)卷積神經(jīng)網(wǎng)絡(luò)人臉識別
(5)神經(jīng)網(wǎng)絡(luò)模型的保存與使用,；
5、深度學(xué)習(xí)綜合例程
(1)手勢識別實驗
(2)顏色識別實驗
(3)顏色識別并抓取積木實驗
(4)視覺定位實驗
(5)垃圾分類實驗
(6)目標追蹤實驗
(7)人臉表情識別應(yīng)用案例
(8)車牌識別應(yīng)用案例
(9)口罩檢測應(yīng)用案例