Impostazioni dei cookie
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.
Configurazione
Tecnicamente richiesto
Questi cookie sono necessari per le funzioni di base del negozio.
Amazon Pay
CSRF-Token
Cambio di valuta
Cookie "Accetta tutti i cookie"
Cookie "Rejeter tous les cookies"
Memorizzazione nella cache personalizzata
Negozio selezionato
Paramètres des cookies
PayPal-Zahlungen
Prezzi individuali
Riconoscimento del cliente
Session
Funzioni utili
Questi cookie vengono utilizzati per rendere l'esperienza di acquisto ancora più accattivante, ad esempio per riconoscere il visitatore.
Bloc notes
Subshop
Statistiche e...
Facebook Pixel
Google Analytics
Programma affiliato
Termina il rilevamento del dispositivo
23,75 € *
IVA inclusa più spese di spedizione
Immediatamente disponibile
4 pezzo · 1 - 3 giorni lavorativi
L'article ne peut pas être placé dans le panier, car max. 1 Raspberry Pi par client est autorisé.
Acquistati frequentemente insieme:
SparkFun MicroMod Machine Learning Carrier Board
23,75 €
 
Total:
106,50 €*
IVA inclusa. comprese le spese di spedizione
Acquistati frequentemente insieme:
=
Total:
106,50 €*
IVA inclusa. comprese le spese di spedizione
Das MicroMod Machine Learning Carrier Board kombiniert einige der Funktionen unserer SparkFun... altro
"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
Link correlati a "SparkFun MicroMod Machine Learning Carrier Board"
Dati "SparkFun MicroMod Machine Learning Carrier Board"
Peso lordo (in kg): | 0.014 |
Codice articolo: | DEV-16400 |
Fabbricante: | SparkFun |
Numero del produttore: | DEV-16400 |
Numero della tariffa doganale: | 85271950 |
Paese d'origine: | USA |
Leggere, scrivere e discutere recensioni... altro
Valutazione cliente per "SparkFun MicroMod Machine Learning Carrier Board"
Scrivi una valutazione
Le valutazioni vengono attivate dopo la verifica.
I campi contrassegnati con * sono obbligatori.
Visto