-
Q如何才能提高学习的准确率
A高质量数据集，数据增强，充分地训练，更大规模的模型（会需要更多内存与算力）
-
Q异常检测是否也有哪些局限？
A AI模型没有完美的，是在精度与要求之间权衡。异常检测只能知道有没有异常，不区分异常种类。
-
Q学习嵌入式机器是Python和C/C++两者具备，还是只需其中之一即可开发？
A两者兼备，Python是PC端主要用于模型的定义/训练/测试，而C/C++用于模型的部署到MCU端
-
Q恩智浦微控制器宜从哪个平台上优选？
A建议先从NXP官网了解一下产品型号的主要特征，有机会再和分销商和网络研讨会，B站账号（视频中提到）查看相关的推文和视频。对于机器学习，主要考虑i.MX RT和LPC55
-
Q是不是在学习的过程中也会增加对任务的判定指令
A 需要在开始机器学习工作流程之前判定任务的类型。模型本身就是一个数学函数
-
Q恩智浦微控制器技术机器学习方案中所需的语言种类有哪些？
A 主要是Python和C/C++
-
Q机器学习的芯片需要什么的性能才能胜任？
A 看具体的使用场景。图像识别需要很高的性能，异常检测在很低端的芯片都可以运行。
-
Q机器学习的训练是在哪个平台进行，本身行吗？
A 训练需要在PC上进行，mcu不支持训练
-
Q机器学习可以自己训练自己可以吗？
A 模型训练在pc上进行。mcu不支持训练
-
QNXP需要单独的专用开发平台吗来进行？
A 虽然不必需，但是NXP打造的专用开发平台会使开发更方便易上手，尤其是MCUXPresso Config Tool, eIQ Portal, OpenART，强烈建议使用
-
Qi.MX RT1xxx和LPC55系列哪个更适合机器学习？
A i.MX RT1xxx更适合对算力需求比较大的机器视觉，LPC55更适合微型机器视觉和语音唤醒、传感器数据分析
-
Q在那里可以下载相关的比较详细的技术资料和学习资料。。
A下载视频对应的讲稿，里面有很多有用的链接
-
Q机器学习相比传统的控制算法有哪些优缺点？
A优点：免去手动算法设计的麻烦，机器自己通过经验数据进行学习，达到相应的控制效果 缺点或是难点：经验数据的获取，以及在算法运行所需要的资源消耗上比起传统算法会有劣势
-
Q恩智浦微控制器技术机器可以运行那些系统，主要是哪个？
A 不需要操作系统，如果项目中需要使用可以根据其它约束条件选择
-
QNXP的机器学习算法是开源的吗？还是只提供库的形式？
A 解决方案不开源。其它的模型设计和设备端支持软件基本开源，即使是以库的方式使用也只是为了便于发行和编译。PC端工具一般不开源
-
Q只会用C语言可以学会这方面的知识？
A 那样会缺乏一些自由度，主流的一些PC端的模型训练框架都是基于Python的，不过，可以使用网上一些模型训练服务，直接拿到模型
-
Q嵌入式机器采用的语言有几种？哪个最合适
A 机器学习在微控制器做产品的代码编写上上以C和C++为主。用于学习和快速模型评估可以使用OpenART，它支持使用Python快速迭代。
-
Q机器学习可以有听觉吗？视觉见过了
A 必须可以有啊，比视觉的算力要求要低，但是需要良好的数据预处理，包括滤波、时频变换。
-
Q基础实例是否是经过训练的结果？
A 必须经过训练后，模型才可以使用。有一些预训练的公版模型可以在OpenART里快速体验
-
Q能否把NXP训练好的机器学习的相关参数直接用到自己的应用中？还是说需要自己训练？
A 如果自己的应用刚好和训练好的模型所使用的数据高度一致（尤其是像人脸、人体之类的应用），就可以直接使用。如果不一致就需要重新训练，但是仍然可以使用迁移学习（eIQ Portal支持）来减少对数据集数量和训练强度的要求。
- 0113召开 机电设备的高效功率变换
- 1113召开 以48V电机驱动技术引领绿色创新