%20(2).svg)
项目简介
本项目是一个TinyML创新工具包，提供从数据处理到模型构建、优化及部署的一站式解决方案。工具包包含数据下载、清洗、模型生成、量化感知训练、模型剪枝和部署等功能。此外，项目还有多个案例研究，如海藻、水质检测等，可用于模型的量化感知训练、剪枝和部署。
项目的主要特性和功能
- 数据处理：支持从Sentinel 1、Sentinel 2、Land Sat等数据源下载数据并清洗。
- 模型构建：
network_builder.py可构建通用神经网络，通过Optuna超参数调优，寻找解决任意分类或回归问题的最小参数网络，包含GeneralNNRegressor、GeneralNNClassifier和CNNClassifier三个类。 - 模型优化：具备量化感知训练和模型剪枝功能，减少模型参数量。
- 模型转换与部署：
network_shrinker.py能将Keras模型转换为.tflite文件，便于在TinyML设备上部署，同时研究了不同TinyML设备的适用性。 - 案例研究：有海藻、水质检测等案例，以及新的卫星衍生水深数据和空间天气数据集，可用于模型训练和验证。
安装使用步骤
安装
假设用户已经下载了本项目的源码文件，可通过以下命令安装工具包：
bash
使用
在Python脚本中导入工具包：
python
import tinymltoolkit
模型构建示例
以下是使用GeneralNNRegressor类构建模型的示例代码：
```python
from tinymltoolkit.network_builder import GeneralNNRegressor
import numpy as np
X = np.random.rand(100, 10) y = np.random.rand(100)
model = GeneralNNRegressor(X, y)
best_model = model.get_best_trained_model() ```
模型转换示例
使用network_shrinker.py文件中的功能将Keras模型转换为.tflite文件，具体代码可参考该文件的实现。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】