(特价书)TinyML：基于TensorFlow Lite在Arduino和超低功耗微控制器上部署机器学习
作者解释了如何训练足够小以适合任何环境的模型。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一系列TinyML项目。
基本信息
- 作者： [美]皮特·沃登（Pete Warden） 丹尼尔·西图纳亚克（Daniel Situnayake）
- 丛书名： O’Reilly精品图书系列
- 出版社：机械工业出版社
- ISBN：9787111664222
- 上架时间：2020-12-16
- 出版日期：2020 年9月
- 开本：16开
- 页码：432
- 版次：1-1
- 所属分类：计算机 > 人工智能 > 综合
内容简介
目录
前言1
第1章 简介5
1.1 嵌入式设备6
1.2 技术变迁7
第2章 入门8
2.1 本书目标读者8
2.2 需要的硬件8
2.3 需要的软件10
2.4 我们希望你学到的东西10
第3章 快速了解机器学习12
3.1 什么是机器学习13
3.2 深度学习的工作流程14
3.3 小结27
第4章 TinyML之“Hello World”：创建和训练模型28
4.1 我们要创建什么29
4.2 我们的机器学习工具链30
4.3 创建我们的模型32
4.4 训练我们的模型43
4.5 为TensorFlow Lite转换模型56
4.6 小结61
第1章 简介5
1.1 嵌入式设备6
1.2 技术变迁7
第2章 入门8
2.1 本书目标读者8
2.2 需要的硬件8
2.3 需要的软件10
2.4 我们希望你学到的东西10
第3章 快速了解机器学习12
3.1 什么是机器学习13
3.2 深度学习的工作流程14
3.3 小结27
第4章 TinyML之“Hello World”：创建和训练模型28
4.1 我们要创建什么29
4.2 我们的机器学习工具链30
4.3 创建我们的模型32
4.4 训练我们的模型43
4.5 为TensorFlow Lite转换模型56
4.6 小结61
前言
自我记事时起，各种电子产品就一直深深吸引着我，赋予我丰富的想象力。人类学会了从地上挖掘矿石，用神秘的方式提炼这些矿石，然后生产出一系列令人眼花缭乱的微型部件。通过各种神奇的规则，人类将这些微小的部件组合在一起，赋予它们无限的生命力。
在我八岁的时候，电池、开关和白炽灯泡对于还是孩子的我来说已经相当迷人，更不用说家用计算机中的处理器了。随着时间的流逝，我对电子和软件的工作原理有了一定的理解。将简单的元素组合成一个系统，就能创造出更加微妙而复杂的事物，这一点始终令我印象深刻，而深度学习无疑将这一点推向了新的高度。
本书包含的示例之一是深度学习网络，从某种意义上说，它是一种学习和理解如何去“看”的网络。深度学习网络由成千上万个虚拟的“神经元”组成，每个神经元都遵循一些简单的规则并输出一个数字。任何一个神经元本身的能力都非常有限，但是将成千上万个神经元组合在一起，利用人类的知识进行启发式训练，它们最终也可以理解我们这个复杂的世界。
这个想法有些神奇—在由沙子、金属和塑料制成的微型计算机上运行的简单算法可以体现人类的认知理解。这就是TinyML的本质。TinyML是Pete创造的一个术语，我们将在第1章中介绍它。在本书中，你会找到创建这些东西所需的工具。
衷心感谢你成为我们的读者。TinyML是一个复杂纷繁的主题，但是我们会努力解释所有你需要了解的概念，并尽可能地使它们通俗易懂。希望你会喜欢我们的文字，也非常期待看到你能有所创造！
— Daniel Situnayake
本书排版约定
本书采用以下排版约定：
楷体
表示新术语。
斜体（Italic）
表示URL、电子邮件地址、文件名和文件扩展名。
等宽字体（Constant width）
用于代码清单，以及在段落中引用的代码内容，例如变量或函数名、数据库、数据类型、环境变量、声明和关键字等。
等宽粗体（Constant width bold）
表示用户应直接输入的命令行或其他文本。
等宽斜体（Constant width italic）
表示应该被替换为用户提供的值或由上下文确定的值。
这个图案表示提示或建议。
这个图案表示注释。
在我八岁的时候，电池、开关和白炽灯泡对于还是孩子的我来说已经相当迷人，更不用说家用计算机中的处理器了。随着时间的流逝，我对电子和软件的工作原理有了一定的理解。将简单的元素组合成一个系统，就能创造出更加微妙而复杂的事物，这一点始终令我印象深刻，而深度学习无疑将这一点推向了新的高度。
本书包含的示例之一是深度学习网络，从某种意义上说，它是一种学习和理解如何去“看”的网络。深度学习网络由成千上万个虚拟的“神经元”组成，每个神经元都遵循一些简单的规则并输出一个数字。任何一个神经元本身的能力都非常有限，但是将成千上万个神经元组合在一起，利用人类的知识进行启发式训练，它们最终也可以理解我们这个复杂的世界。
这个想法有些神奇—在由沙子、金属和塑料制成的微型计算机上运行的简单算法可以体现人类的认知理解。这就是TinyML的本质。TinyML是Pete创造的一个术语，我们将在第1章中介绍它。在本书中，你会找到创建这些东西所需的工具。
衷心感谢你成为我们的读者。TinyML是一个复杂纷繁的主题，但是我们会努力解释所有你需要了解的概念，并尽可能地使它们通俗易懂。希望你会喜欢我们的文字，也非常期待看到你能有所创造！
— Daniel Situnayake
本书排版约定
本书采用以下排版约定：
楷体
表示新术语。
斜体（Italic）
表示URL、电子邮件地址、文件名和文件扩展名。
等宽字体（Constant width）
用于代码清单，以及在段落中引用的代码内容，例如变量或函数名、数据库、数据类型、环境变量、声明和关键字等。
等宽粗体（Constant width bold）
表示用户应直接输入的命令行或其他文本。
等宽斜体（Constant width italic）
表示应该被替换为用户提供的值或由上下文确定的值。
这个图案表示提示或建议。
这个图案表示注释。
媒体评论
深度学习网络正在变得越来越小。Google Assistant团队可以使用大小只有14KB的模型检测单词——模型小到可以在微控制器上运行。在这本实用的书中，你将进入TinyML的世界。TinyML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。
本书解释了如何训练足够小的模型以适合任何环境。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搭建一系列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。
你将深入了解以下内容：
? 如何创建语音识别程序、行人检测程序和响应手势的魔杖程序。
? 如何使用Arduino和超低功耗微控制器。
? 机器学习的基本知识以及如何训练自己的模型。
? 如何训练模型以理解音频、图像和加速度传感器数据。
? 如何使用TensorFlow Lite for Microcontrollers，这是Google用于TinyML的工具包。
? 如何调试程序并提供隐私和安全保障。
? 如何优化延迟、功耗、模型以及二进制文件大小。
Pete Warden是Google公司TensorFlow面向移动和嵌入式设备部分的技术主管，也是TensorFlow团队的创始成员之一。他曾是Jetpac的首席技术官（CTO）和创始人，该公司于2014年被Google收购。
Daniel Situnayake在Google领导TensorFlow Lite的开发宣传工作，并协助运营TinyML meetup小组。他是Tiny Farms的联合创始人，这是美国第一家利用自动化技术以工业规模生产昆虫蛋白的公司。
“ 对于那些对在资源受限的设备上实现机器学习感兴趣的人来说，这是一本必读的书。本书是人工智能发展的一个里程碑。”
——Massimo Banzi
Arduino联合创始人
“ 本书通过清晰有趣的用例讲述了如何在基于Arm的微控制器上部署机器学习。”
——Jem Davies
Arm副总裁、Fellow及
机器学习事业部总经理
本书解释了如何训练足够小的模型以适合任何环境。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搭建一系列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。
你将深入了解以下内容：
? 如何创建语音识别程序、行人检测程序和响应手势的魔杖程序。
? 如何使用Arduino和超低功耗微控制器。
? 机器学习的基本知识以及如何训练自己的模型。
? 如何训练模型以理解音频、图像和加速度传感器数据。
? 如何使用TensorFlow Lite for Microcontrollers，这是Google用于TinyML的工具包。
? 如何调试程序并提供隐私和安全保障。
? 如何优化延迟、功耗、模型以及二进制文件大小。
Pete Warden是Google公司TensorFlow面向移动和嵌入式设备部分的技术主管，也是TensorFlow团队的创始成员之一。他曾是Jetpac的首席技术官（CTO）和创始人，该公司于2014年被Google收购。
Daniel Situnayake在Google领导TensorFlow Lite的开发宣传工作，并协助运营TinyML meetup小组。他是Tiny Farms的联合创始人，这是美国第一家利用自动化技术以工业规模生产昆虫蛋白的公司。
“ 对于那些对在资源受限的设备上实现机器学习感兴趣的人来说，这是一本必读的书。本书是人工智能发展的一个里程碑。”
——Massimo Banzi
Arduino联合创始人
“ 本书通过清晰有趣的用例讲述了如何在基于Arm的微控制器上部署机器学习。”
——Jem Davies
Arm副总裁、Fellow及
机器学习事业部总经理
