- TinyML(基于TensorFlow Lite在Arduino和超低功耗微控制器上部署机器学习)
- - 作者：(美)皮特·沃登//丹尼尔·西图纳亚克|责编:孙榕舒|译者:魏兰//卜杰
  - 出版社：机械工业
  - ISBN：9787111664222
  - 出版日期：2020/09/01
  - 页数：416
- 售价：59.6

内容大纲
TinyML是指微型机器学习，更准确地说，它是指工程师在功率低于1毫瓦的设备上实现机器学习的方法、工具和技术。TinyML还将深度学习和嵌入式系统相结合，使得微型设备可以做出令人惊叹的事情。在本书中，作者解释了如何训练足够小的模型以使其适应任何环境。对于希望在嵌入式系统中搭建机器学习项目的软件及硬件开发人员而言，本书是一个理想的指南，它将一步步地指导你创建和运行一系列TinyML项目。阅读本书不需要任何机器学习或者微控制器开发经验。
作者介绍
目录
前言
第1章  简介
  1.1  嵌入式设备
  1.2  技术变迁
第2章  入门
  2.1  本书目标读者
  2.2  需要的硬件
  2.3  需要的软件
  2.4  我们希望你学到的东西
第3章  快速了解机器学习
  3.1  什么是机器学习
  3.2  深度学习的工作流程
  3.3  小结
第4章  TinyML之“Hello World”：创建和训练模型
  4.1  我们要创建什么
  4.2  我们的机器学习工具链
  4.3  创建我们的模型
  4.4  训练我们的模型
  4.5  为TensorFlow Lite转换模型
  4.6  小结
第5章  TinyML之“Hello World”：创建应用程序
  5.1  详解测试
  5.2  项目文件结构
  5.3  详解源文件
  5.4  小结
第6章  TinyML之“Hello World”：部署到微控制器
  6.1  什么是微控制器
  6.2  Arduino
  6.3  SparkFun Edge
  6.4  ST Microelectronics STM32F746G Discovery套件
  6.5  小结
第7章  唤醒词检测：创建应用程序
  7.1  我们要创建什么
  7.2  应用架构
  7.3  详解测试
  7.4  监听唤醒词
  7.5  部署到微控制器
  7.6  小结
第8章  唤醒词检测：训练模型
  8.1  训练我们的新模型
  8.2  在我们的项目中使用模型
  8.3  模型的工作方式
  8.4  使用你自己的数据训练
  8.5  小结
第9章  行人检测：创建应用程序
  9.1  我们在创建什么
  9.2  应用程序架构
  9.3  详解测试
  9.4  行人检测
  9.5  部署到微处理器

  9.6  小结
第10章  行人检测：训练模型
  10.1  选择机器
  10.2  配置Google Cloud Platform实例
  10.3  训练框架选择
  10.4  构建数据集
  10.5  训练模型
  10.6  TensorBoard
  10.7  评估模型
  10.8  将模型导出到TensorFlow Lite
  10.9  训练其他类别
  10.10  理解架构
  10.11  小结
第11章  魔杖：创建应用程序
  11.1  我们要创建什么
  11.2  应用程序架构
  11.3  详解测试
  11.4  检测手势
  11.5  部署到微处理器
  11.6  小结
第12章  魔杖：训练模型
  12.1  训练模型
  12.2  模型是如何工作的
  12.3  训练你自己的数据
  12.4  小结
第13章  TensorFlow Lite for Microcontrollers
  13.1  什么是TensorFlow Lite for Microcontrollers
  13.2  编译系统
  13.3  支持一个新的硬件平台
  13.4  支持一个新的IDE或新的编译系统
  13.5  在项目和代码库之间整合代码更改
  13.6  回馈开源
  13.7  支持新的硬件加速器
  13.8  理解文件格式
  13.9  将TensorFlow Lite移动平台算子移植到Micro
  13.10  小结
第14章  设计你自己的TinyML应用程序
  14.1  设计过程
  14.2  你需要微控制器还是更大的设备
  14.3  了解可行性
  14.4  站在巨人的肩膀上
  14.5  找一些相似的模型训练
  14.6  查看数据
  14.7  绿野仙踪
  14.8  先可以在桌面系统中运行
第15章  优化延迟
  15.1  首先确保你要优化的部分很重要
  15.2  更换硬件
  15.3  改进模型
  15.4  量化

  15.5  产品设计
  15.6  优化代码
  15.7  优化算子
  15.8  回馈开源
  15.9  小结
第16章  优化功耗
  16.1  开发直觉
  16.2  测量实际功耗
  16.3  估算模型的功耗
  16.4  降低功耗
  16.5  小结
第17章  优化模型和二进制文件大小
  17.1  了解系统
  17.2  估算内存使用率
  17.3  关于不同问题的模型准确率和规模的大致数字
  17.4  模型选择
  17.5  减小可执行文件的大小
  17.6  真正的微型模型
  17.7  小结
第18章  调试
  18.1  训练与部署之间准确率的损失
  18.2  数值差异
  18.3  神秘的崩溃与挂起
  18.4  小结
第19章  将模型从TensorFlow移植到TensorFlow Lite
  19.1  了解需要什么算子
  19.2  查看Tensorflow Lite中支持的算子
  19.3  将预处理和后处理移至应用程序代码
  19.4  按需自己实现算子
  19.5  优化算子
  19.6  小结
第20章  隐私、安全和部署
  20.1  隐私
  20.2  安全
  20.3  部署
  20.4  小结
第21章  了解更多
  21.1  TinyML基金会
  21.2  SIG Micro
  21.3  TensorFlow网站
  21.4  其他框架
  21.5  Twitter
  21.6  TinyML的朋友们
  21.7  小结
附录A 使用和生成Arduino库ZIP文件
附录B 在Arduino上捕获音频

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目