To access the site you need to provide the user code and the password.

Enter the site

Nos serveurs IoT:
IoT Laboratoires avec ESP32 IoT.DevKit (FreeRTOS) contenu
IoT Laboratoires avec NanoPi IoT.DevKit (Linux) contenu

Courte présentation de IoT.DevKit (ESP32)

Nos plateformes IoT:
ESP32 IoT DevKit  et NanoPi IoT DevKit 


Introduction

SmartComputerLab va bientôt fêter sa 5ème année d’activité. Notre mission initiale a été la maîtrise des architectures ARM et des SoC ARM. Cette mission est partiellement accomplie avec la création de plusieurs modules d’enseignement (M2) suivie de multiples projets techniques.

Les SoC ARM intègrent les processeurs 32/64 bits (Cortex-A7,A9,A15,A17 et Cortex-A53,A55,A72,A73).
Ces processeurs, souvent en multi-cœur, et un ensemble d’unités fonctionnelles telles que VPU, NEON, et MALI forment les SoC ARM.

Nos modules d’enseignement exploitent toutes ces fonctionnalités :
  1. internet et multi-media – VPU (traitement de vidéo)
  2. réseaux et IoT terminaux (ESP12/32), gateways, serveurs, LoRa, LoRaWAN, protocoles IoT, ..
  3. programmation parallèle (traitement de signal et d’image) sur  NEON, MALI, MCore,
  4. programmation massivement parallèle sur les GPU de Tegra X1/ Tegra Nano.
  5. AI et deep-learning TensorFlow-Keras, GPUs et TPUs - Nvidia, Kendryde
A noter que les SoC Tegra X1 sont utilisés dans les robots et les voitures autonomes pour les traitements nécessaires.
A notre connaissance, en France, ce type d’enseignement n’est pas encore disponible.

La deuxième mission est relative aux développements dans l’IoT. Dans ce cadre nous utilisons une approche orientée composants.
Les composants essentiels sont des mini-cartes avec SoC ARM et SoC ESP ; les autres composants sont des capteurs, des actuateurs et des modems radio.
Les SoC ESP conçus par Espressif Systems (Shanghai) et fabriques par TSMC par centaines de millions d’unités intègrent les processeurs Xtensa proposés par CADENCE sous la forme d’IP en Verilog configurable.
Cette forme d’IP a un potentiel d’évolution plus fort que les IP ARM.

Les SoC ESP (ESP12/ESP32) mono- et multi- cœur dominent déjà les architectures matérielles IoT grâce à leurs fonctionnalités très complètes et leur faible coût (€2-€5 selon le modèle).
Sur la base de cartes ESP32+LoRa intégrant les technologies WiFi, Bluetooth et ESP-NOW, nous avons développé des plateformes IoT DevKit complétées par de multiples mini-cartes d’extension pour accueillir des capteurs/actuateurs et modems radio supplémentaires.
A signaler que les SoC ESP32 fonctionnent sous le contrôle de FreeRTOS.
IoT DevKit (ESP32) est déjà exploité pour l’enseignement et est à la base de multiples projets techniques dans les technologies IoT de plusieurs formations de l’Université de Nantes. Pour l’instant, ce IoT DevKit n’est pas accessible aux autres universités. Dans le futur proche, nous espérons qu’il deviendra un «standard» pour l’enseignement et le développement des architectures IoT en France.

Plus récemment, nous avons proposé également un DevKit IoT (ARM) basé sur le composants NanoPi-Duo (H2+) et NanoPi-Duo2 (H3) développés à Beijing par FriendlyARM. Ce kit est de même format (carte de base+batterie LiPo) que le kit IoT DevKit (ESP). Certaines cartes d’extension sont interchangeables.
Les cartes NanoPi-Duo(2) sont les plus petits SBC avec les processeurs ARM multi-cœur disponibles sur le marché.

Les IoT DevKit (ESP/ARM) permettent de créer des terminaux intelligents et des passerelles IoT vers les serveurs IoT (FreeRTOS).
Pour les besoins pédagogiques et les projets techniques, nous disposons de deux types de serveurs IoT : ThingSpeak.fr et Thinger.fr accessibles gratuitement à nos étudiants et chercheurs.

La troisième mission est associée à la récente introduction des unités IA GPUs/TPUs
pour IA et deep-learning. Dans ce contexte, nous proposon les cours de deep-learning (TensorFloe-Keras) à et projets techniques dans le domaine de IA - edge computing et vidéo.


Computer Networks with NetKit

2020

The Book Computer Networks with NetKit
Les Laboratoires Les Laboratoires avec NetKit


IoT architectures - component based approach

2020

SRT-IoT : 4 Laboratoires IoT pour bien commencer - Laboratoires IoT pour bien commencer

M5-IoT : Presentation in English-2019 - Laboratoires Internet of Things - in English
M5-IoT : Presentation en Français - Laboratoires Internet of Things - en Français
M5-IoT : 4 Laboratoires IoT pour bien commencer - Laboratoires IoT pour bien commencer
M5-IoT : Annexes Annexes - IoT DevKiT cards

GPUs et IA embarquée - CUDA et Deep Learning

Le module CUDA et IA embarquée est préparé pour fonctionner sur les cartes Nvidia Tegra: Tegra Jetson X1, Tegra Jetson Nano et Xavier.

M6-GPU-CUDA: Présentation Introduction: GPUs et programmation CUDA
M6-GPU-CUDA: Laboratoires Laboratoires programmation CUDA

M6-AI-Deep Learning : Présentation Introduction to Machine Learning and Deep Learning
M6-AI_Deep Learning: Lab 1 Lab 1 - Machine Learning - Regression with Tensorflow and Keras
M6-AI_Deep Learning: Lab 2 Lab 2 - Deep Learning - MNIST with TensorFlow and Keras
SampleImages Zip file with test Images
M6-AI_Deep Learning: Lab 3 Lab 3 - Deep Learning - Auto-encoders
Zip file with autoencoder models (.h5)
M6-AI_Deep Learning: Lab 4 Lab 4 - Inference for image recognition and object detection

Attention: To access the site you need the the user code and password.

Enter the site