TinyML：基于TensorFlow Lite在Arduino和超低功耗微控制器上部署機器學習

定　價：￥149.00

作　者：	[美]皮特·沃登著，魏蘭，卜杰，王鐵震譯
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網 (￥138.60)

ISBN：	9787111664222	出版時間：	2020-09-01	包裝：	平裝-膠訂
開本：	16開	頁數：		字數：

內容簡介

　　深度學習網絡正在變得越來越小。Google Assistant團隊可以使用大小只有14KB的模型檢測單詞——模型小到可以在微控制器上運行。在這本實用的書中，你將進入TinyML的世界。TinyML將深度學習和嵌入式系統(tǒng)相結合，使得微型設備可以做出令人驚嘆的事情。本書解釋了如何訓練足夠小的模型以適合任何環(huán)境。對于希望在嵌入式系統(tǒng)中搭建機器學習項目的軟件及硬件開發(fā)人員而言，本書是一個理想的指南，它將一步步地指導你搭建一系列TinyML項目。閱讀本書不需要任何機器學習或者微控制器開發(fā)經驗。你將深入了解以下內容：如何創(chuàng)建語音識別程序、行人檢測程序和響應手勢的魔杖程序。如何使用Arduino和超低功耗微控制器。機器學習的基本知識以及如何訓練自己的模型。如何訓練模型以理解音頻、圖像和加速度傳感器數據。如何使用TensorFlow Lite for Microcontrollers，這是Google用于TinyML的工具包。如何調試程序并提供隱私和安全保障。如何優(yōu)化延遲、功耗、模型以及二進制文件大小。

作者簡介

　　Pete WardenGoogle公司TensorFlow面向移動和嵌入式設備部分的技術主管，也是TensorFlow團隊的創(chuàng)始成員之一。他曾是Jetpac的首席技術官（CTO）和創(chuàng)始人，該公司于2014年被Google收購。 Daniel SitunayakeGoogle領導TensorFlow Lite的開發(fā)宣傳工作，并協助運營TinyML meetup小組。他是Tiny Farms的聯合創(chuàng)始人，這是美國家利用自動化技術以工業(yè)規(guī)模生產昆蟲蛋白的公司。譯者與審校者簡介魏蘭軟件開發(fā)工程師，現就職于Google北京。機器視覺，Android性能優(yōu)化愛好者。博客：blog.csdn.net/xiaowei_cqu。卜杰畢業(yè)于南京郵電大學，現于Google北京擔任軟件工程師。郵箱：prikevs@gmail.com。王鐵震現就職于Google北京，Tensorflow團隊核心軟件開發(fā)工程師。郵箱：wangtz@google.com。

圖書目錄

前言1
第1章簡介5
1.1 嵌入式設備6
1.2 技術變遷7
第2章入門8
2.1 本書目標讀者8
2.2 需要的硬件8
2.3 需要的軟件10
2.4 我們希望你學到的東西10
第3章快速了解機器學習12
3.1 什么是機器學習13
3.2 深度學習的工作流程14
3.3 小結27
第4章 TinyML之“Hello World”：創(chuàng)建和訓練模型28
4.1 我們要創(chuàng)建什么29
4.2 我們的機器學習工具鏈30
4.3 創(chuàng)建我們的模型32
4.4 訓練我們的模型43
4.5 為TensorFlow Lite轉換模型56
4.6 小結61
第5章 TinyML之“Hello World”：創(chuàng)建應用程序62
5.1 詳解測試63
5.2 項目文件結構79
5.3 詳解源文件80
5.4 小結87
第6章 TinyML之“Hello World”：部署到微控制器88
6.1 什么是微控制器88
6.2 Arduino89
6.3 SparkFun Edge98
6.4 ST Microelectronics STM32F746G Discovery套件109
6.5 小結115
第7章喚醒詞檢測：創(chuàng)建應用程序116
7.1 我們要創(chuàng)建什么117
7.2 應用架構118
7.3 詳解測試121
7.4 監(jiān)聽喚醒詞139
7.5 部署到微控制器143
7.6 小結164
第8章喚醒詞檢測：訓練模型165
8.1 訓練我們的新模型166
8.2 在我們的項目中使用模型179
8.3 模型的工作方式184
8.4 使用你自己的數據訓練194
8.5 小結198
第9章行人檢測：創(chuàng)建應用程序199
9.1 我們在創(chuàng)建什么200
9.2 應用程序架構201
9.3 詳解測試204
9.4 行人檢測210
9.5 部署到微處理器213
9.6 小結232
第10章行人檢測：訓練模型233
10.1 選擇機器233
10.2 配置Google Cloud Platform實例233
10.3 訓練框架選擇240
10.4 構建數據集241
10.5 訓練模型241
10.6 TensorBoard243
10.7 評估模型245
10.8 將模型導出到TensorFlow Lite245
10.9 訓練其他類別247
10.10 理解架構248
10.11 小結248
第11章魔杖：創(chuàng)建應用程序250
11.1 我們要創(chuàng)建什么252
11.2 應用程序架構254
11.3 詳解測試255
11.4 檢測手勢264
11.5 部署到微處理器268
11.6 小結293
第12章魔杖：訓練模型294
12.1 訓練模型295
12.2 模型是如何工作的303
12.3 訓練你自己的數據311
12.4 小結315
第13章 TensorFlow Lite for Microcontrollers317
13.1 什么是TensorFlow Lite for Microcontrollers317
13.2 編譯系統(tǒng)323
13.3 支持一個新的硬件平臺331
13.4 支持一個新的IDE或新的編譯系統(tǒng)336
13.5 在項目和代碼庫之間整合代碼更改337
13.6 回饋開源338
13.7 支持新的硬件加速器339
13.8 理解文件格式340
13.9 將TensorFlow Lite移動平臺算子移植到Micro347
13.10 小結350
第14章設計你自己的TinyML應用程序351
14.1 設計過程351
14.2 你需要微控制器還是更大的設備351
14.3 了解可行性352
14.4 站在巨人的肩膀上353
14.5 找一些相似的模型訓練353
14.6 查看數據354
14.7 綠野仙蹤355
14.8 先可以在桌面系統(tǒng)中運行356
第15章優(yōu)化延遲357
15.1 首先確保你要優(yōu)化的部分很重要357
15.2 更換硬件358
15.3 改進模型358
15.4 量化360
15.5 產品設計361
15.6 優(yōu)化代碼362
15.7 優(yōu)化算子363
15.8 回饋開源368
15.9 小結368
第16章優(yōu)化功耗369
16.1 開發(fā)直覺369
16.2 測量實際功耗372
16.3 估算模型的功耗373
16.4 降低功耗373
16.5 小結375
第17章優(yōu)化模型和二進制文件大小376
17.1 了解系統(tǒng)限制376
17.2 估算內存使用率376
17.3 關于不同問題的模型準確率和規(guī)模的大致數字379
17.4 模型選擇380
17.5 減小可執(zhí)行文件的大小380
17.6 真正的微型模型386
17.7 小結386
第18章調試387
18.1 訓練與部署之間準確率的損失387
18.2 數值差異389
18.3 神秘的崩潰與掛起391
18.4 小結394
第19章將模型從TensorFlow移植到TensorFlow Lite395
19.1 了解需要什么算子395
19.2 查看Tensorflow Lite中支持的算子396
19.3 將預處理和后處理移至應用程序代碼396
19.4 按需自己實現算子397
19.5 優(yōu)化算子397
19.6 小結398
第20章隱私、安全和部署399
20.1 隱私399
20.2 安全401
20.3 部署403
20.4 小結404
第21章了解更多405
21.1 TinyML基金會405
21.2 SIG Micro405
21.3 TensorFlow網站406
21.4 其他框架406
21.5 Twitter406
21.6 TinyML的朋友們406
21.7 小結407
附錄A 使用和生成Arduino庫ZIP文件409
附錄B 在Arduino上捕獲音頻411