树莓派实验
树莓派作为边缘计算平台，在 TinyML 领域发挥着重要作用。本章探索各种树莓派型号在机器学习应用中的潜力，通过实际实验学习部署 ML 模型、实现边缘推理以及优化资源使用。您将掌握在树莓派上构建完整 ML 系统的技能，包括传感器集成、实时数据处理和网络通信。无论您是 IoT 项目开发者还是对边缘 AI 感兴趣的爱好者，本章都将为您提供实用的 TinyML 部署经验。
章节目录
探索树莓派在 TinyML 应用中的实践，通过动手实验，利用多种树莓派型号深入体验边缘计算与机器学习部署。
配置 Raspberry Pi Zero 2 W 和 Raspberry Pi 5 以支持 TinyML 应用，涵盖硬件准备、操作系统安装、配置与测试，为机器学习项目做好准备。
探索在树莓派上进行图像分类，利用 TensorFlow Lite 实现高效的本地推理，学习模型的部署与优化，助力实际应用场景。
基于 Raspberry Pi，结合 TensorFlow Lite、Edge Impulse 和 Ultralitics 实现目标检测，展示 TinyML 在边缘设备上的实际应用。
探索在树莓派上集成小型语言模型（SLM），通过 Ollama 将边缘设备变为具备本地 LLM 实时数据处理能力的 AI 中枢。
在树莓派等边缘设备上探索视觉 - 语言模型（VLM），利用微软 Florence-2 实现高级计算机视觉任务，包括图片描述、目标检测和分割等实战应用。