TinyML

Capítulo 12. Varita mágica: Entrenar a un modelo

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En el Capítulo 11, utilizamos un modelo preentrenado de 20 KB para interpretar los datos brutos del acelerómetro, utilizándolo para identificar cuál de un conjunto de gestos se realizó. En este capítulo, te mostramos cómo se entrenó este modelo, y luego hablamos de cómo funciona realmente.

Nuestros modelos de detección de estela y de persona necesitaron grandes cantidades de datos para entrenarse. Esto se debe principalmente a la complejidad de los problemas que intentaban resolver. Una persona puede decir "sí" o "no" de muchísimas formas distintas: piensa en todas las variaciones de acento, entonación y tono que hacen que la voz de alguien sea única. Del mismo modo, una persona puede aparecer en una imagen de infinitas maneras: puedes ver su cara, todo su cuerpo o una sola mano, y puede estar de pie en cualquier postura posible.

Para que pueda clasificar con precisión tal diversidad de entradas válidas, un modelo debe entrenarse con un conjunto de datos de entrenamiento igualmente diverso. Por eso nuestros conjuntos de datos de entrenamiento para la detección de personas y de palabras de vigilia eran tan grandes, y por eso el entrenamiento lleva tanto tiempo.

Nuestro problema de reconocimiento de gestos con varita mágica es mucho más sencillo. En este caso, en lugar de intentar clasificar una enorme gama de voces ...