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