超值優(yōu)惠券
¥50
滿100可用 有效期2天

全場圖書通用（淘書團(tuán)除外）

不再提示
關(guān)閉
2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >>
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))

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))

出版社：機(jī)械工業(yè)出版社出版時間：2020-09-01
開本： 24cm 頁數(shù)： 416頁
中 圖 價:¥99.8(6.7折) 定價  ¥149.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

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)) 版權(quán)信息

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)) 本書特色

適讀人群 ：深度學(xué)習(xí)從業(yè)者；嵌入式工程師；從初級到高級的各級學(xué)生、教師、研究人員；其他對深度學(xué)習(xí)和TinyML感興趣的人員1）內(nèi)容過硬。谷歌TensorFlow團(tuán)隊創(chuàng)始成員領(lǐng)銜撰寫，谷歌工程師翻譯并審校； 2）大咖推薦。Arduino聯(lián)合創(chuàng)始人、Arm副總裁聯(lián)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(xué)生及從業(yè)人員，無需任何機(jī)器學(xué)習(xí)或者微控制器開發(fā)經(jīng)驗。

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)) 內(nèi)容簡介

本書講述了TinyML是指微型機(jī)器學(xué)習(xí), 更準(zhǔn)確地說, 它是指工程師在功率低于1毫瓦的設(shè)備上實現(xiàn)機(jī)器學(xué)習(xí)的方法、工具和技術(shù)。TinyML還將深度學(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。在本書中, 作者解釋了如何訓(xùn)練足夠小的模型以使其適應(yīng)任何環(huán)境。

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)) 目錄

前言1

第1章 簡介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 我們要創(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 詳解測試63

5.2 項目文件結(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：創(chuàng)建應(yīng)用程序116

7.1 我們要創(chuàng)建什么117

7.2 應(yīng)用架構(gòu)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(jié)164

第8章 喚醒詞檢測：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：創(chuàng)建應(yīng)用程序199

9.1 我們在創(chuàng)建什么200

9.2 應(yīng)用程序架構(gòu)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(jié)232

第10章 行人檢測：訓(xùn)練模型233

10.1 選擇機(jī)器233

10.2 配置Google Cloud Platform實例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 我們要創(chuàng)建什么252

11.2 應(yīng)用程序架構(gòu)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(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(jié)350

第14章 設(shè)計你自己的TinyML應(yīng)用程序351

14.1 設(shè)計過程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(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(jī)器學(xué)習(xí)) 作者簡介

Pete Warden Google公司TensorFlow面向移動和嵌入式設(shè)備部分的技術(shù)主管，也是TensorFlow團(tuán)隊的創(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。 Daniel Situnayake Google領(lǐng)導(dǎo)TensorFlow Lite的開發(fā)宣傳工作，并協(xié)助運營TinyML meetup小組。他是Tiny Farms的聯(lián)合創(chuàng)始人，這是美國第一家利用自動化技術(shù)以工業(yè)規(guī)模生產(chǎn)昆蟲蛋白的公司。 譯者及審校者簡介 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)隊核心軟件開發(fā)工程師。郵箱：wangtz@google.com。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服