Paramètres des cookies
Ce site Web utilise des cookies, qui sont nécessaires au fonctionnement technique du site Web et qui sont toujours définis. D'autres cookies, qui augmentent le confort lors de l'utilisation de ce site Web, sont utilisés pour la publicité directe ou pour simplifier l'interaction avec d'autres sites Web et réseaux sociaux, ne sont définis qu'avec votre consentement.
Configuration
Techniquement requis
Ces cookies sont nécessaires aux fonctions de base de la boutique.
Amazon Pay
Boutique sélectionnée
CSRF-Token
Cookie "Accepter tous les cookies"
Cookie "Rejeter tous les cookies"
Mise en cache personnalisée
Paramètres des cookies
PayPal-Zahlungen
Reconnaissance client
Session
Tarifs individuels
Échange de devises
Fonctions pratiques
Ces cookies sont utilisés pour rendre l'expérience d'achat encore plus attrayante, par exemple pour reconnaître le visiteur.
Bloc-notes
Subshop
Statistiques et suivi
Détection de périphérique final
Facebook Pixel
Google Ads
Google Analytics
Google Analytics
Google Tag Manager
Programme d'affiliation
23,75 € *
y compris la TVA plus expédition et manutention
Disponible immédiatement
4 pièce · 1 - 3 jours ouvrés
L'article ne peut pas être placé dans le panier, car max. 1 Raspberry Pi par client est autorisé.
13 1 17
Commandez dans H et pour l'expédition d'aujourd'huipour une expédition le lundi
Produits fréquemment achetés ensemble:
SparkFun MicroMod Machine Learning Carrier Board
23,75 €
 
Total:
106,50 €*
TVA incluse. y compris les frais de port
Produits fréquemment achetés ensemble:
=
Total:
106,50 €*
TVA incluse. y compris les frais de port
Das MicroMod Machine Learning Carrier Board kombiniert einige der Funktionen unserer SparkFun...plus
"SparkFun MicroMod Machine Learning Carrier Board"
Das MicroMod Machine Learning Carrier Board kombiniert einige der Funktionen unserer SparkFun Edge Board und SparkFun Artemis Boards, gibt Ihnen aber die Freiheit, mit jedem Prozessor der MicroMod-Reihe zu experimentieren, ohne dass Sie einen zentralen Computer oder eine Webverbindung benötigen. Spracherkennung, Always-on-Sprachbefehle, Gesten- oder Bilderkennung sind mit TensorFlow-Anwendungen möglich. Die Cloud ist beeindruckend leistungsfähig, aber die ständige Verbindung erfordert Strom und Konnektivität, die möglicherweise nicht verfügbar sind. Edge Computing übernimmt diskrete Aufgaben wie die Feststellung, ob jemand "Ja" gesagt hat, und reagiert entsprechend. Die Audioanalyse wird auf der MicroMod-Kombination und nicht im Web durchgeführt. Dadurch werden die Kosten und die Komplexität drastisch reduziert, während gleichzeitig potenzielle Datenschutzlecks begrenzt werden.
Das Board verfügt über zwei MEMS-Mikrofone (eines mit PDM-Schnittstelle, eines mit I2S-Schnittstelle), einen 3-Achsen-Beschleunigungsmesser ST LIS2DH12, einen Anschluss für eine Kamera (separat erhältlich) und einen Qwiic-Anschluss. Ein moderner USB-C-Anschluss macht die Programmierung einfach und wir haben den JTAG-Anschluss für fortgeschrittene Anwender freigelegt, die lieber die Leistung und Geschwindigkeit professioneller Tools nutzen möchten. Wir haben sogar einen praktischen Jumper hinzugefügt, um den Stromverbrauch für Tests mit geringem Stromverbrauch zu messen.
Features:
MicroMod Machine Learning Carrier Dokumentation:
Das Board verfügt über zwei MEMS-Mikrofone (eines mit PDM-Schnittstelle, eines mit I2S-Schnittstelle), einen 3-Achsen-Beschleunigungsmesser ST LIS2DH12, einen Anschluss für eine Kamera (separat erhältlich) und einen Qwiic-Anschluss. Ein moderner USB-C-Anschluss macht die Programmierung einfach und wir haben den JTAG-Anschluss für fortgeschrittene Anwender freigelegt, die lieber die Leistung und Geschwindigkeit professioneller Tools nutzen möchten. Wir haben sogar einen praktischen Jumper hinzugefügt, um den Stromverbrauch für Tests mit geringem Stromverbrauch zu messen.
Features:
- M.2 MicroMod Keyed-E H4.2mm 65 pin SMD Stecker 0.5mm
- Digitales I2C MEMS-Mikrofon PDM Invensense ICS-43434 (COMP)
- Digitales PDM-MEMS-Mikrofon PDM Knowles SPH0641LM4H-1 (IC)
- ML414H-IV01E Lithium-Batterie für RTC
- ST LIS2DH12TR Beschleunigungssensor (3-Achsen, Ultra-Low-Power)
- 24 Pin 0,5mm FPC Stecker (Himax Kameraanschluss)
- USB - C
- Qwiic-Anschluss
- MicroSD-Buchse
- Phillips #0 M2.5x3mm Schraube enthalten
MicroMod Machine Learning Carrier Dokumentation:
- Beginn mit dem MicroMod Machine Learning Carrier Board Guide
- Schaltplan
- Eagle-Dateien
- Anschlussanleitung
- Platinenabmessungen
- GitHub Hardware Repo
Liens supplémentaires vers "SparkFun MicroMod Machine Learning Carrier Board"
Les données "SparkFun MicroMod Machine Learning Carrier Board"
Gross weight (in kg): | 0.014 |
Numéro d'article: | DEV-16400 |
Fabricant: | SparkFun |
Numéro du fabricant: | DEV-16400 |
Numéro de tarif douanier: | 85271950 |
Pays d'origine: | USA |
Lire, écr. et débatt. des analyses…plus
Évaluations de clients pour "SparkFun MicroMod Machine Learning Carrier Board"
Écrire une évaluation
Les évaluations sont publiées après vérification.
Veuillez saisir la série de nombres dans le champ de texte suivant.
Les champs suivis d'un * sont des champs obligatoires.
Derniers articles consultés