ToDo

[konegen]

• EmbeddedPC Pfad hinzufügen, ohne Quantisierung.
• FPGA und EmbeddedPC model memory entfernen.
• Dataloader Python script in README verlinken
• Startfenster Beschriftung Buttons. (Beschriftung in den Buttons?)
• Autokeras Constraints herausnehmen.
• Autkeras Pfad Dateiaufrufe abändern.
• download Funktion Name ändern
• Helper Datei aufspalten --> Dataloader, GUI Helper
• Dataloaderbeispiel für MNIST
• Dataloader für Autokeras einbauen.
• Bilder für AutoKeras Tasks
• Fehlende Tooltips einfügen
• Autokeras Pfad anpassen
• Nicht benötigte Dateien/Fenster aussortieren
• Shape of data for regression
• Pruning funktioniert für AutoKeras Regressionsmodelle nicht
• Compiler beim Trainieren (nach dem Pruning) von Regressionsmodellen
• Bild für EmbeddedPC Button (Für alle Targets, freie Bilder)
• Deactivate tasks which are not working
• Ventilbeispiel kann nicht konvertiert werden
• Developer documentation. --> FAQ bspw. Change GUI layout and events, add device, add optimization, add/modify dataloader
• Test auf Ubuntu
• Dokumentation für Autokeras Pfad, FPGA, EmbeddedPC
• Dokumentation was mit Dateien für MCU, FPGA, EmbeddedPC gemacht werden kann.
• Für MCU, EmbeddedPC Funktion die aufgerufen werden, um Modell auszuführen, über Codeboxen in Readme beschreiben.
• Tensorflow pruning durchführen, wenn eigenes Pruning nicht funktioniert.
• Datei-, Variablen-, Funktionsnamen ändern
• AutoKeras Dataloader Probleme mit .png Bildern? "Cleanup called..." wird durchgehend ausgegeben???
• Genauigkeit der Modelle in GUI anzeigen (AutoKeras + nach Optimierung)
• Accuracy pruning train und test Daten? (für Dataloader und Fileloader unterschiedliche Funktionen?)
• Accuracy pruning mit Regressionsmodell (Compiler metrik verwenden)?
• AutoKeras Modellaufbau ist nur sehr limitiert in der Auswahl der Hyperparameter (Anaconda3\envs\AUTOflow\Lib\site-packages\autokeras\blocks\basic.py)
• pruning_for_accuracy --> Problem bei max_loss_acc: Evaluierung auf den Trainingsdaten, später allerdings mit den Validierungsdaten verglichen --> train_test_split vornehmen --> Split erfolgt allerdings aus den Trainingsdaten?
• Bei Accuracy Pruning das bereits geprunte Modell für den nächsten Pruningschritt verwenden?