มารู้จัก IoT Devices ของคนไทยกัน

มารู้จัก IoT Devices ของคนไทยกัน

IoT Devices หรือ ตัว Things ก็คืออุปกรณ์ที่รับข้อมูลจาก Sensor ต่างๆ หรือ ควบคุมอุปกรณ์ Output ต่างๆ เช่น มอเตอร์ ,หลอดไฟ หรืออื่นๆ โดยสื่อสารข้อมูล ผ่านเครือข่าย Network

มาดูกันว่า IoT Devices ของคนไทยที่ทำกัน มีที่ไหนบ้าง ( เท่าที่พอรู้จัก ) 

Senses weizen (ESP32) Board

เป็น IoT Devices ของบริษัท Startup ของนักเทคโนโลยีชาวไทย
โดยใช้ Chip ของ ESPressif รุ่น ESP32-wrover-ib
เน้นสื่อสารข้อมูลผ่าน WiFi

AIS NB-IoT

เป็น IoT devices ที่เป็นส่วนสื่อสารกับ NB-IoT ของเครือข่าย AIS
เน้นใช้งานด้าน Smart city
รุ่นใหม่ DEVIO NB-DEVKIT I
ใช้ Chip ESP32 และโมดูล NB-IoT SIM7020E
เน้นสื่อสารข้อมูลผ่าน AIS NB-IoT เท่านั้น
https://aiap.ais.co.th/iotdevcenter/IoTDevice/DevioNBShield

ioxesp32

เป็น IoT Devices ของบริษัท Startup ของนักเทคโนโลยีชาวไทย
เน้นสื่อสารข้อมูลผ่าน WiFi


LAMLOEI NODE32 LITE

เป็น IoT Devices ของบริษัท Startup ของนักเทคโนโลยีชาวไทย
เน้นสื่อสารข้อมูลผ่าน WiFi



True NB-IoT

เป็น IoT devices ที่เป็นส่วนสื่อสารกับ NB-IoT ของเครือข่าย True
แต่เป็นเฉพาะส่วนสื่อสาร เท่านั้น จึงต้องใช้งานร่วมกับ Arduino Board อีกที
เน้นสื่อสารข้อมูลผ่าน True NB-IoT เท่านั้นเท่านั้นhttp://www.iotbetter.com/%E0%B9%81%E0%B8%99%E0%B8%B0%E0%B8%99%E0%B8%B3%E0%B8%AD%E0%B8%B8%E0%B8%9B%E0%B8%81%E0%B8%A3%E0%B8%93%E0%B9%8C/%E0%B8%9A%E0%B8%AD%E0%B8%A3%E0%B9%8C%E0%B8%94-true-nb-iot/


IoT Devices

เป็นส่วนประกอบสำคัญของ IoT platform ซึ่งการเลือกใช้ก็ขึ้นอยู่กับการออกแบบระบบ ว่าจะให้สื่อสารกันแบบไหน เชื่อมต่อกับ Senser อะไรบ้าง หรือจะควบคุมอุปกรณ์ อะไรบ้าง


มาร่วมกันพัฒนาระบบ IoT

ผู้ที่ต้องการทำระบบ IoT อย่างเช่น Smart Home , Smart Farm หรือด้านอื่นๆ
มาร่วมมือพัฒนาเทคโนโลยีร่วมกัน 
สร้างสังคมแห่งเรียนรู้แบ่งบัน เพื่อพัฒนาธุรกิจ ความเป็นอยู่ให้ดีขึ้น
ผู้ที่สนใจ มาร่วมมือกันได้ครับ



อดุลย์ นันทะแก้ว 081-6452400
LINE : adunnan

ความคิดเห็น

แสดงความคิดเห็น

โพสต์ยอดนิยมจากบล็อกนี้

OpenThaiGPT 1.0.0 7B beta GPTQ 4 bit

รูปภาพ
OpenThaiGPT 1.0.0 7B beta GPTQ 4 bit ทดสอบ การใช้งาน Model แบบ GPTQ แบบ 4 bit GPTQ-for-LLaMA 4 bits quantization of  LLaMA  using  GPTQ GPTQ is SOTA one-shot weight quantization method This code is based on  GPTQ There is a  pytorch branch  that allows you to use  groupsize  and  act-order  together. Original Model ( FP16 ) https://huggingface.co/Adun/openthaigpt-1.0.0-beta-7b-ckpt-hf GPTQ 4 bit Model https://huggingface.co/Adun/openthaigpt-1.0.0-7b-chat-beta-gptq-4bit Demo Code Text generation web UI A Gradio web UI for Large Language Models. Setting Parameters Test on  Hardware CPU : Intel i9-7900 3.3GHz GPU : NVIDIA RTX-2060 6GB Software OS  : Ubuntu 20.04.6 LTS Youtube Demo ChatBot Q&A Run Demo code    Reference GPTQ-for-LLaMa  https://github.com/amphancm/GPTQ-for-LLaMa OpenThaiGPT  https://openthaigpt.aieat.or.th/
อ่านเพิ่มเติม

OpenThaiGPT 1.0.0 70B Demo on Colab

รูปภาพ
OpenThaiGPT 1.0.0 70B Demo on Colab OpenThaiGPT 7b, 13b, 70b Version 1.0.0 is an advanced 7, 13, 70-billion-parameter Thai language chat model based on LLaMA v2 released on April 8, 2024. It has been specifically fine-tuned for Thai instructions and enhanced by incorporating over 10,000 of the most commonly used Thai words into the large language model's (LLM) dictionary, significantly boosting its response speed. Highlights Leading-edge Thai language LLM , setting new benchmarks by achieving the highest average scores across several Thai language exams when compared to all other open-source Thai LLMs. The First 70b Thai opensource LLM , achieving the higher Thai exams than OpenAI GPT 3.5, Google Gemini, and Claude 3 Haiku. Support for extended conversations across multiple turns. Support the use case of Retrieval Augmented Generation (RAG) for enriched response generation. Generation speeds increased by tenfold , thanks to the addition of 10,000 frequently used Thai words to th
อ่านเพิ่มเติม

Demo OpenThaiGPT 1.0.0-beta on Colab

รูปภาพ
Demo OpenThaiGPT 1.0.0-beta on Colab Colab code on official Website https://colab.research.google.com/drive/1NkmAJHItpqu34Tur9wCFc97A6JzKR8xo ถ้าใช้  model ตาม original colab code ที่ OpenThaiGPT Website  Model นี้จะใช้ RAM ถึง 22.6 GB เพราะเป็น model FP32 และ ต้อง Run เป็น  NVIDIA A100 GPU ไม่สามารถ run บน NVIDIA T4 GPU ที่มี ram แค่ 16GB ได้ ดังนั้น จึงต้อง convert model เป็น FP16    Convert Model to FP16 ผมได้ convert model OpenThaiGPT เป็น แบบ FP16 เพื่อสามารถ run บน NVIDIA T4 GPU ได้ ( และ เอา Base Model + LoRa adaptor แล้ว ที่ code เลยไม่ต้องมี lora_weights อีก) แล้ว upload ที่ Hugging face ตามนี้ https://huggingface.co/Adun/openthaigpt-1.0.0-beta-7b-ckpt-hf และ แก้ไข code ตามนี้ ก็สามารถ run บน NVIDIA T4 ได้ ถ้าใช้ mode 8 bit ก็จะใช้ RAM ประมาณ 8 GB Run Demo  Run Demo with Gradio สรุป การใช้ RAM แต่ละ  Quantization Model  Reference OpenThaiGPT https://openthaigpt.aieat.or.th/ Colab Code  https://colab.research.google.com/drive/1NkmAJHItpqu34Tur9wCFc97A6JzKR8xo Facebook LLaMA 7B
อ่านเพิ่มเติม