====== 機械学習 ======
取りあえずtensorflowをやってみる(googleが開発している＋M5StickVがtensorflowliteなので）

googleの[[colaboratory]]でためす


==== モデル ====
  * MobileNetは画像認識(Classification)モデル
  * YOLOは物体認識(Object Detection)モデル 

==== 参考 ====

https://qiita.com/tomo_makes/items/5d6f5860bb793e3b354a

Deep Learning基礎講座演習コンテンツ 公開ページ 
https://weblab.t.u-tokyo.ac.jp/deep-learning%e5%9f%ba%e7%a4%8e%e8%ac%9b%e5%ba%a7%e6%bc%94%e7%bf%92%e3%82%b3%e3%83%b3%e3%83%86%e3%83%b3%e3%83%84-%e5%85%ac%e9%96%8b%e3%83%9a%e3%83%bc%e3%82%b8/
===== tensorflow =====
学習済モデルの場所  https://tfhub.dev/

tensorflow.jsをNode.jsで実行する 
https://qiita.com/shisama/items/33d34b0b1774f69f8a96
===== keras =====
https://keras.io/ja/

tensorflowを利用するためのライブラリ
pythonで実行する
==== install ====
  sudo pip3 install --upgrade tensorflow
  sudo pip3 install h5py
  sudo pip3 install keras
 

==== yoro ====
keras−yolo3の学習方法 https://sleepless-se.net/2019/06/21/how-to-train-keras%E2%88%92yolo3/

===== 環境構築 =====
Raspberry Pi 4のディープラーニングで画像認識する環境をゼロから1時間で構築する方法　
https://karaage.hatenadiary.jp/entry/rpi4-dl-setup

===== teachable machine =====

作成したモデル(keras)をpythonで実行
https://github.com/mjdargen/Teachable-Machine-Object-Detection


作成したモデル(tensorflowlite)をpythonで実行
https://www.rs-online.com/designspark/google-teachable-machine-raspberry-pi-4-cn


https://www.digikey.com/en/maker/projects/raspberry-pi-teachable-machine-teachable-pi/88c52e75f3d247fc9035480e6a1c17b1

==== posenet ====
[[姿勢推定]]