TinyML：基于TensorFlow Lite在Arduino和超低功耗微控制器上部署機(jī)器學(xué)習(xí)

定　價(jià)：￥149.00

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

購(gòu)買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥138.60)

ISBN：	9787111664222	出版時(shí)間：	2020-09-01	包裝：	平裝-膠訂
開本：	16開	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　深度學(xué)習(xí)網(wǎng)絡(luò)正在變得越來(lái)越小。Google Assistant團(tuán)隊(duì)可以使用大小只有14KB的模型檢測(cè)單詞——模型小到可以在微控制器上運(yùn)行。在這本實(shí)用的書中，你將進(jìn)入TinyML的世界。TinyML將深度學(xué)習(xí)和嵌入式系統(tǒng)相結(jié)合，使得微型設(shè)備可以做出令人驚嘆的事情。本書解釋了如何訓(xùn)練足夠小的模型以適合任何環(huán)境。對(duì)于希望在嵌入式系統(tǒng)中搭建機(jī)器學(xué)習(xí)項(xiàng)目的軟件及硬件開發(fā)人員而言，本書是一個(gè)理想的指南，它將一步步地指導(dǎo)你搭建一系列TinyML項(xiàng)目。閱讀本書不需要任何機(jī)器學(xué)習(xí)或者微控制器開發(fā)經(jīng)驗(yàn)。你將深入了解以下內(nèi)容：如何創(chuàng)建語(yǔ)音識(shí)別程序、行人檢測(cè)程序和響應(yīng)手勢(shì)的魔杖程序。如何使用Arduino和超低功耗微控制器。機(jī)器學(xué)習(xí)的基本知識(shí)以及如何訓(xùn)練自己的模型。如何訓(xùn)練模型以理解音頻、圖像和加速度傳感器數(shù)據(jù)。如何使用TensorFlow Lite for Microcontrollers，這是Google用于TinyML的工具包。如何調(diào)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(jìn)制文件大小。

作者簡(jiǎn)介

　　Pete WardenGoogle公司TensorFlow面向移動(dòng)和嵌入式設(shè)備部分的技術(shù)主管，也是TensorFlow團(tuán)隊(duì)的創(chuàng)始成員之一。他曾是Jetpac的首席技術(shù)官（CTO）和創(chuàng)始人，該公司于2014年被Google收購(gòu)。 Daniel SitunayakeGoogle領(lǐng)導(dǎo)TensorFlow Lite的開發(fā)宣傳工作，并協(xié)助運(yùn)營(yíng)TinyML meetup小組。他是Tiny Farms的聯(lián)合創(chuàng)始人，這是美國(guó)家利用自動(dòng)化技術(shù)以工業(yè)規(guī)模生產(chǎn)昆蟲蛋白的公司。譯者與審校者簡(jiǎn)介魏蘭軟件開發(fā)工程師，現(xiàn)就職于Google北京。機(jī)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(xué)，現(xiàn)于Google北京擔(dān)任軟件工程師。郵箱：prikevs@gmail.com。王鐵震現(xiàn)就職于Google北京，Tensorflow團(tuán)隊(duì)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(jiǎn)介5
1.1 嵌入式設(shè)備6
1.2 技術(shù)變遷7
第2章入門8
2.1 本書目標(biāo)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(xué)到的東西10
第3章快速了解機(jī)器學(xué)習(xí)12
3.1 什么是機(jī)器學(xué)習(xí)13
3.2 深度學(xué)習(xí)的工作流程14
3.3 小結(jié)27
第4章 TinyML之“Hello World”：創(chuàng)建和訓(xùn)練模型28
4.1 我們要?jiǎng)?chuàng)建什么29
4.2 我們的機(jī)器學(xué)習(xí)工具鏈30
4.3 創(chuàng)建我們的模型32
4.4 訓(xùn)練我們的模型43
4.5 為TensorFlow Lite轉(zhuǎn)換模型56
4.6 小結(jié)61
第5章 TinyML之“Hello World”：創(chuàng)建應(yīng)用程序62
5.1 詳解測(cè)試63
5.2 項(xiàng)目文件結(jié)構(gòu)79
5.3 詳解源文件80
5.4 小結(jié)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(jié)115
第7章喚醒詞檢測(cè)：創(chuàng)建應(yīng)用程序116
7.1 我們要?jiǎng)?chuàng)建什么117
7.2 應(yīng)用架構(gòu)118
7.3 詳解測(cè)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(jié)164
第8章喚醒詞檢測(cè)：訓(xùn)練模型165
8.1 訓(xùn)練我們的新模型166
8.2 在我們的項(xiàng)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(shù)據(jù)訓(xùn)練194
8.5 小結(jié)198
第9章行人檢測(cè)：創(chuàng)建應(yīng)用程序199
9.1 我們?cè)趧?chuàng)建什么200
9.2 應(yīng)用程序架構(gòu)201
9.3 詳解測(cè)試204
9.4 行人檢測(cè)210
9.5 部署到微處理器213
9.6 小結(jié)232
第10章行人檢測(cè)：訓(xùn)練模型233
10.1 選擇機(jī)器233
10.2 配置Google Cloud Platform實(shí)例233
10.3 訓(xùn)練框架選擇240
10.4 構(gòu)建數(shù)據(jù)集241
10.5 訓(xùn)練模型241
10.6 TensorBoard243
10.7 評(píng)估模型245
10.8 將模型導(dǎo)出到TensorFlow Lite245
10.9 訓(xùn)練其他類別247
10.10 理解架構(gòu)248
10.11 小結(jié)248
第11章魔杖：創(chuàng)建應(yīng)用程序250
11.1 我們要?jiǎng)?chuàng)建什么252
11.2 應(yīng)用程序架構(gòu)254
11.3 詳解測(cè)試255
11.4 檢測(cè)手勢(shì)264
11.5 部署到微處理器268
11.6 小結(jié)293
第12章魔杖：訓(xùn)練模型294
12.1 訓(xùn)練模型295
12.2 模型是如何工作的303
12.3 訓(xùn)練你自己的數(shù)據(jù)311
12.4 小結(jié)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(gè)新的硬件平臺(tái)331
13.4 支持一個(gè)新的IDE或新的編譯系統(tǒng)336
13.5 在項(xiàng)目和代碼庫(kù)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(dòng)平臺(tái)算子移植到Micro347
13.10 小結(jié)350
第14章設(shè)計(jì)你自己的TinyML應(yīng)用程序351
14.1 設(shè)計(jì)過(guò)程351
14.2 你需要微控制器還是更大的設(shè)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(xùn)練353
14.6 查看數(shù)據(jù)354
14.7 綠野仙蹤355
14.8 先可以在桌面系統(tǒng)中運(yùn)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(jìn)模型358
15.4 量化360
15.5 產(chǎn)品設(shè)計(jì)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(jié)368
第16章優(yōu)化功耗369
16.1 開發(fā)直覺369
16.2 測(cè)量實(shí)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(jié)375
第17章優(yōu)化模型和二進(jìn)制文件大小376
17.1 了解系統(tǒng)限制376
17.2 估算內(nèi)存使用率376
17.3 關(guān)于不同問題的模型準(zhǔn)確率和規(guī)模的大致數(shù)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(jié)386
第18章調(diào)試387
18.1 訓(xùn)練與部署之間準(zhǔn)確率的損失387
18.2 數(shù)值差異389
18.3 神秘的崩潰與掛起391
18.4 小結(jié)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(yù)處理和后處理移至應(yīng)用程序代碼396
19.4 按需自己實(shí)現(xiàn)算子397
19.5 優(yōu)化算子397
19.6 小結(jié)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(jié)404
第21章了解更多405
21.1 TinyML基金會(huì)405
21.2 SIG Micro405
21.3 TensorFlow網(wǎng)站406
21.4 其他框架406
21.5 Twitter406
21.6 TinyML的朋友們406
21.7 小結(jié)407
附錄A 使用和生成Arduino庫(kù)ZIP文件409
附錄B 在Arduino上捕獲音頻411