掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
TinyML(基于TensorFlow Lite在Arduino和超低功耗微控制器上部署機器學習) 版權信息
- ISBN：9787111664222
- 條形碼：9787111664222 ; 978-7-111-66422-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
TinyML(基于TensorFlow Lite在Arduino和超低功耗微控制器上部署機器學習) 本書特色
適讀人群 ：深度學習從業者；嵌入式工程師；從初級到高級的各級學生、教師、研究人員；其他對深度學習和TinyML感興趣的人員1）內容過硬。谷歌TensorFlow團隊創始成員領銜撰寫，谷歌工程師翻譯并審校； 2）大咖推薦。Arduino聯合創始人、Arm副總裁聯袂推薦； 3）題材新穎。TinyML里程碑級著作，手把手教你在Arduino和微控制器上部署ML； 4）知識體系完善。適合各層次學生及從業人員，無需任何機器學習或者微控制器開發經驗。
TinyML(基于TensorFlow Lite在Arduino和超低功耗微控制器上部署機器學習) 內容簡介
本書講述了TinyML是指微型機器學習, 更準確地說, 它是指工程師在功率低于1毫瓦的設備上實現機器學習的方法、工具和技術。TinyML還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。在本書中, 作者解釋了如何訓練足夠小的模型以使其適應任何環境。
TinyML(基于TensorFlow Lite在Arduino和超低功耗微控制器上部署機器學習) 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”：創建和訓練模型28
4.1 我們要創建什么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：創建應用程序116
7.1 我們要創建什么117
7.2 應用架構118
7.3 詳解測試121
7.4 監聽喚醒詞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：創建應用程序199
9.1 我們在創建什么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：創建應用程序250
11.1 我們要創建什么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 先可以在桌面系統中運行356
第15章 優化延遲357
15.1 首先確保你要優化的部分很重要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 優化代碼362
15.7 優化算子363
15.8 回饋開源368
15.9 小結368
第16章 優化功耗369
16.1 開發直覺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 優化模型和二進制文件大小376
17.1 了解系統限制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模的大致數字379
17.4 模型選擇380
17.5 減小可執行文件的大小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
展開全部
TinyML(基于TensorFlow Lite在Arduino和超低功耗微控制器上部署機器學習) 作者簡介
Pete Warden Google公司TensorFlow面向移動和嵌入式設備部分的技術主管，也是TensorFlow團隊的創始成員之一。他曾是Jetpac的首席技術官（CTO）和創始人，該公司于2014年被Google收購。 Daniel Situnayake Google領導TensorFlow Lite的開發宣傳工作，并協助運營TinyML meetup小組。他是Tiny Farms的聯合創始人，這是美國第一家利用自動化技術以工業規模生產昆蟲蛋白的公司。 譯者及審校者簡介 魏蘭 軟件開發工程師，現就職于Google北京。機器視覺，Android性能優化愛好者。博客：blog.csdn.net/xiaowei_cqu。 卜杰 畢業于南京郵電大學，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團隊核心軟件開發工程師。郵箱：wangtz@google.com。
書友推薦
- >
有舍有得是人生
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
我從未如此眷戀人間
- >
二體千字文
- >
上帝之肋:男人的真實旅程
- >
經典常談
- >
煙與鏡
- >
史學評論
本類暢銷
