### ex4-1 ###

from machine import Pin, ADC
import time

adc_pin = Pin(36)		# 36 是 ESP32 的 VP 腳位
adc = ADC(adc_pin)		# 建立 ADC 物件
adc.width(ADC.WIDTH_9BIT)	# 設定 ADC 範圍。9BIT 代表範圍是 0 ~ 511，可選擇 9bit、10bit、11bit 和 12bit 的解析度。
adc.atten(ADC.ATTN_11DB)	# 將最大感測電壓設定成 3.6V，超過 3.6V 時會得到 ADC 最大值 511

while True:
    print(adc.read())		# 顯示 ADC 值
    time.sleep(0.5)		# 暫停 0.5 秒



### ex4-2 ###

>>> tem = input("現在溫度:")	# 使用 input() 函數，將使用者輸入的字串暫存在變數 tem 中
>>> tem				# 顯示變數 tem 的值



### ex4-3 ###

f = open('123.txt', 'w')	# 開啟檔案 test.txt，屬性為可寫入，若無則新增一個 
f.write(str(123))		# 將數值 123 轉換成字串，並寫到檔案中
f.close()			# 關閉檔案



### ex4-4 ###

from machine import Pin, ADC

f = open('test.txt', 'w')

adc_pin = Pin(36)     
adc = ADC(adc_pin)  
adc.width(ADC.WIDTH_9BIT)  
adc.atten(ADC.ATTN_11DB)
tem = input("請輸入現在溫度:")

f.write(str(adc.read()) + ' ' + tem)	# 串聯 adc.read() 與 變數的字串
f.close()



### ex4-5 ###

from machine import Pin,ADC
import time

adc_pin = Pin(36)		# 36 是 ESP32 的 VP 腳位
adc = ADC(adc_pin)		# 設定 36 為輸入腳位          
adc.width(ADC.WIDTH_9BIT)	# 設定分辨率位元數 (解析度)
adc.atten(ADC.ATTN_11DB)	# 設定最大電壓

data = 0	# 資料總和
ti= 1		# 資料筆數 
f = open('temperature.txt', 'w')	# 開啟 txt 檔

print(adc.read())			# 先顯示一次，確認數值是否正常

while True:
    print('第' + str(ti) + '筆')	# 顯示紀錄第幾筆
    tem = input("現在溫度:")		# 輸入實際溫度
    
    if(tem == 'end'):
        break
    else:
        for i in range(20):		# 重複 20 次      
            thermal = adc.read()	# ADC 值
            data = data + thermal	# 加總至 data
            time.sleep(0.01)
        
        data = int(data/20)		# 取平均
        print("熱敏電阻:", data)   
        print('')			# 多空一行
        f.write(str(data) + ' ' + tem + '\n')		# data 存到檔案中
    
        data = 0	# 總和歸 0
        ti += 1		# 次數加 1

f.close()



### ex4-6 ###

# 新增一個 notebook 檔，例如: temperature_model.ipynb

# 匯入溫度資料
from google.colab import files
uploaded = files.upload()	# 匯入檔案



### ex4-7 ###

# 匯入 keras_lite_convertor 模組
uploaded = files.upload()       # 匯入keras_lite_convertor



# 讀取 temperature.txt 
import keras_lite_convertor as kc

path_name = 'temperature.txt'
Data_reader = kc.Data_reader(path_name, mode='regression')
data, label = Data_reader.read()



### ex4-8 ###

# 資料預處理

# 取資料中的 85% 當作訓練集
split_num = int(len(data) * 0.85)
train_data = data[:split_num]
train_label = label[:split_num]    



### ex4-9 ###

# 正規化
mean = train_data.mean()	# 平均數
data -= mean
std = train_data.std()		# 標準差
data /= std

label /= 100     # 將 label 範圍落在 0 ~ 1 (label 正規化)



### ex4-10 ###

# 訓練集、驗證集、測試集的資料形狀

# 訓練集
print(train_data.shape)    

# 驗證集
validation_data = data[split_num:-5]    
print(validation_data.shape)
validation_label = label[split_num:-5]   

# 測試集
test_data = data[-5:]     
print(test_data.shape)
test_label = label[-5:]



### ex4-11 ###

# 建立神經網路架構
from tensorflow.keras.models import Sequential
from tensorflow.keras import layers

model = Sequential()
model.add(layers.Dense(20,activation = 'relu', input_shape=(1,)))	# 增加一個密集層, 使用ReLU激活函數, 輸入層有1個輸入特徵 
                         
model.add(layers.Dense(20,activation = 'relu'))
model.add(layers.Dense(20,activation = 'relu'))
model.add(layers.Dense(1))
model.summary()		# 顯示模型資訊



### ex4-12 ###

# 編譯及訓練模型
model.compile(optimizer='adam',loss='mse',metrics=['mae'])
train_history = model.fit(train_data,train_label,            # 測試集
                          validation_data=(validation_data,validation_label),  # 驗證集
                          epochs=1000)   # 訓練週期



### ex4-13 ###

# 測試模型

# 預測值
print('predict:')
print(model.predict(test_data))
print()
# 實際值
print('real:')
print(test_label)



### ex4-14 ###

# 儲存模型
kc.save(model, 'temperature_model.json')



### ex4-15 ###

# 顯示正規化相關資訊
print('mean=', mean)
print('std=', std)



### ex4-16 ###

from machine import Pin, ADC
import time
from keras_lite import Model	# 從 keras_lite 模組匯入 Model
import ulab as np		# 匯入 ulab 模組並命名為 np

model = Model('temperature_model.json')     # 建立模型物件

# 增加神經網路的參數與模型
mean = 170.98275862068965	# 平均值
std = 90.31162360353873		# 標準差

adc_pin = Pin(36)        
adc = ADC(adc_pin)       
adc.width(ADC.WIDTH_9BIT)
adc.atten(ADC.ATTN_11DB) 

data = 0

while True:            

    for i in range(20):              
        thermal = adc.read()     
        data = data + thermal      
        time.sleep(0.01)
    
    data = data/20    

    print(int(data),end = '   ')	# 顯示 ADC 值; end=''代表不換行        
    
    data = np.array([int(data)])	# 將 data 轉換成 array 格式
    data = data - mean			# data 減掉平均數
    data = data/std			# data 除以標準差
    tem = model.predict(data)		# 得出預測值
    tem = round(tem[0]*100, 1)		# 將預測值 x100 等於預測溫度
    print(tem)
    
    data = 0
    time.sleep(1)      # 暫停 1 秒