« SE5 ECEAI/eceai 2023/2024/ValleeSellali » : différence entre les versions

De wiki-se.plil.fr
Aller à la navigation Aller à la recherche
Aucun résumé des modifications
Aucun résumé des modifications
Ligne 26 : Ligne 26 :




Séance n°2 :
Séance n°2 (18/12/2023) :


Raspberry connectée au WiFi SE5
Raspberry connectée au WiFi SE5
Ligne 37 : Ligne 37 :


Création d'un programme python serveur à destination de la VM qui reçoit et stocke les données
Création d'un programme python serveur à destination de la VM qui reçoit et stocke les données
Séance 3 (19/12/2023) :
Création des datasets : main fermée et main ouverte (Une ligne = 16 * 16 données, environ 30 lignes par fichier)
Choix de garder les capteurs en 4x4 pour un compromis vitesse de création des datasets/temps d'entrainement du modèle/efficacité du capteur de mouvement.
Entrainement du modèle avec les datasets sur NanoEdge

Version du 20 décembre 2023 à 07:11

Groupe Vallée-Sellali

Séance n°1:

Machine virtuelle créée sur chassiron :

Hostname       :  ValSel

Distribution    :  bookworm

Stockage  : 10G

Mémoire vive : 1G

Mot de passe : glopglop

Les fichiers /etc/network/interfaces, /etc/resolv.conf et /etc/apt/sources.list ont été modifiés comme demandés.

Raspberry 4 :

Communication via le port série possible

Login : valsel Pwd : pasglop

STM32F401RE : Nanoedge et IDE installés, conception d'un code pour tester le capteur en cours


Séance n°2 (18/12/2023) :

Raspberry connectée au WiFi SE5

Connexion ipv6 possible entre la VM et la raspberry

Données du capteur lues et envoyées au port série

Création d'un programme python client à destination de la raspberry qui : lit le port série, stocke les données reçues, envoie les données reçues en http vers le "serveur" présent sur la VM

Création d'un programme python serveur à destination de la VM qui reçoit et stocke les données


Séance 3 (19/12/2023) :

Création des datasets : main fermée et main ouverte (Une ligne = 16 * 16 données, environ 30 lignes par fichier)

Choix de garder les capteurs en 4x4 pour un compromis vitesse de création des datasets/temps d'entrainement du modèle/efficacité du capteur de mouvement.

Entrainement du modèle avec les datasets sur NanoEdge