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

內容簡介

深度學習網路正在變得越來越小。GoogleAssistant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境。對於希望在嵌入式系統中搭建機器學習項目的軟體及硬體開發人員而言，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經驗。

你將深入了解以下內容：

·如何創建語音識別程式、行人檢測程式和回響手勢的魔杖程式。

·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、圖像和加速度感測器數據。

·如何使用TensorFlow Lite forMicrocontrollers，這是Google用於TinyML的工具包。

·如何調試程式並提供隱私和安全保障。

·如何最佳化延遲、功耗、模型以及二進制檔案大小。

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 需要的硬體8

2.3 需要的軟體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 什麼是機器學習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”：創建和訓練模型28

4.1 我們要創建什麼29

4.2 我們的機器學習工具鏈30

4.3 創建我們的模型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”：創建應用程式62

5.1 詳解測試63

5.2 項目檔案結構79

5.3 詳解源檔案80

5.4 小結87

第6章 TinyML之“Hello World”：部署到微控制器88

6.1 什麼是微控制器88

6.2 Arduino89

6.3 SparkFun Edge98

6.4 ST Microelectronics STM32F746G Discovery套件109