随着深度学习的飞速发展，已经创建了完整的神经网络体系结构主机，以解决各种各样的任务和问题。 尽管有无数的神经网络架构，但对于任何深度学习工程师来说，这里有11种必不可少的知识，它们分为四大类：标准网络，递归网络，卷积网络和自动编码器。

本文介绍了如何在树莓派上，使用 OpenCV 和 Python 完成人脸检测项目。该项目不仅描述了识别人脸所需要的具体步骤，同时还提供了很多扩展知识。此外，该项目并不需要读者了解详细的人脸识别理论知识，因此初学者也能轻松跟着步骤实现。

分布最广的物联网设备往往体积很小、电量有限。它们被作为终端硬件，通过嵌入式传感器采集各种数据；计算能力有限，对功耗极为敏感。这类设备也能实现机器学习吗？

如果要面向“赛道”类的竞速型的循路应用，那么 Jetbot 范例中的 road_following 项目会更加适合，这个项目使用图像回归(Image Regression)的深度学习技术，是一种统计学上非常有用的数学模型。

今天分享一个为EV3量身定制的机灵熊EV3视觉模块摄像头，这个摄像头模块曾经在2021世界机器人大赛AI探索全国锦标赛中帮助我们队伍获得中学组冠军。

跟着指定路线去前进，才是真正进入有实用价值的应用。

Jetbot 是如何识别与周边物体的距离，来决定是继续前进还是得转向？

假如您的 Jetbot 小车是从外面采购第三方套件的话，可以跳过本文的内容。如果您是按照 jetbot.org 原厂的自行组装方式，那么本文所提供的一些细节点，会让您节省很多摸索的时间。

机电控制是智能车最重要的输出功能，需要搭配 “DC-Stepper-Motor” 控制板，因为 3D 打印车体是根据这个控制板所设计的。

深入地了解一下 I2C 引脚与开发库的使用，以及调整 PiOLED 显示内容的方法。

要为 Jetson Nano（含 2GB）装上一片无线网卡是非常简单的事情，但复杂的是“设置”的细节，必须兼顾更多可能的使用场景。

本文并不花时间去说明 CSI 摄像头的工作原理，主要配合 Jetbot 的安装，以及执行最简单指令去确认您手上的摄像头是否良好可用。

Jetson Nano 采用与树莓派兼容的 40 针引脚的设计，在战略上是个非常高明的设计。

Jetbot 需要与很多周边设备互动，并且使用很多深度学习框架以及 Jupyter 交互界面进行操作，因此需要安装与调试的内容很多。

本文重点先为大家剖析一下 Jetbot 的组成元件列表，并将这些元件进行分类，这样有助于在后面分项细节说明中，清楚每个类别所扮演的角色。

本文整理了一篇博客文章的内容，读者可根据这些图理解看似高深的机器学习算法。

《人工智能基础（高中版）》是面向高中学生的教材。讲授人工智能的发展历史、基本概念以及实际应用，使学生理解人工智能的基本原理，特别是数据、算法与应用之间的相互关系。

Maixduino开发板是SiPEED公司MAIX产品线的一员，基于嘉楠堪智科技的边缘智能计算芯片K210（RISC-V架构 64位双核）设计的一款AIOT开发板。