Tutorial de Projeto TinyML com Estrutura e Configuração Básica

Este tutorial aborda a organização e configuração fundamental de um projeto TinyML.

1. Estrutura de Diretórios do Projeto

tinyml/
├── dados/
│   ├── brutos/
│   └── processados/
├── modelos/
│   ├── __init__.py
│   ├── arquitetura_a.py
│   └── arquitetura_b.py
├── notebooks/
│   ├── analise_dados.ipynb
│   └── treinamento_modelo.ipynb
├── utilitarios/
│   ├── preparar_dados.py
│   └── executar_treino.py
├── testes/
│   ├── teste_arquitetura_a.py
│   └── teste_arquitetura_b.py
├── .gitignore
├── README.md
├── dependencias.txt
└── config_projeto.py

• dados/: Contém os datasets brutos e suas versões processadas.
  • brutos/: Arquivos de dados origniais.
  • processados/: Dados já transformados para o treinamento.
• modelos/: Código-fonte das arquiteturas de rede neural.
  • __init__.py: Arquivo de inicialização do pacote.
  • arquitetura_a.py: Implementação da primeira rede neural.
  • arquitetura_b.py: Implementação da segunda rede neural.
• notebooks/: Notebooks Jupyter para experimentação interativa.
  • analice_dados.ipynb: Exploração e visualização dos dados.
  • treinamento_modelo.ipynb: Processo de treinamento interativo.
• utilitarios/: Scripts para automação do fluxo de trabalho.
  • preparar_dados.py: Script de pré-processamento dos dados.
  • executar_treino.py: Script principal para iniciar o treinamento.
• testes/: Suite de testes unitários para as arquiteturas.
  • teste_arquitetura_a.py: Testes para a primeira arquitetura.
  • teste_arquitetura_b.py: Testes para a segunda arquitetura.
• .gitignore: Configuração para o controle de versão.
• README.md: Documentação principal do projeto.
• dependencias.txt: Lista de bibliotecas necessárias.
• config_projeto.py: Script de configuração e instalação do ambiente.

2. Script de Inicialização do Projeto

O ponto de entrada principal é o script utilitarios/executar_treino.py. Este módulo orquestra a leitura das configurações, a carga dos dados processados, a inicialização do modelo, o ciclo de treinamento e o armazanamento do modelo treinado e das métricas.

A execução padrão é realizada com o comando:

python utilitarios/executar_treino.py

Durante a execução, o script parâmetros do arquivo de configuração para guiar todas as etapas do pipeline.

3. Arquivos de Configuração e Ambiente

A configuração do ambiente e do projeto é gerenciada por dois arquivos principais:

• config_projeto.py: Utilizado para a instalação e empacotamento do projeto. Executando python config_projeto.py install, o pacote é instalado no ambiente Python local.
• dependencias.txt: Este arquivo especifica todas as bibliotecas externas e suas respectivas versões. O comando pip install -r dependencias.txt permite instalar todas as dependências de uma só vez.

Os detalhes específicos destes arquivos de configuração podem ser consultados na pasta raiz do repositório do projeto.