91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
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)
Pete Warden, Daniel Situnayake 著
魏蘭, 卜杰 譯
出版時(shí)間：2020年10月
頁數(shù)：432
深度學(xué)習(xí)網(wǎng)絡(luò)正在變得越來越小。Google Assistant團(tuán)隊(duì)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(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)建語音識(shí)別程序、行人檢測程序和響應(yīng)手勢的魔杖程序。
● 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。
  1. 前言
  2. 第1章 簡介
  3. 1.1 嵌入式設(shè)備
  4. 1.2 技術(shù)變遷
  5. 第2章 入門
  6. 2.1 本書目標(biāo)讀者
  7. 2.2 需要的硬件
  8. 2.3 需要的軟件
  9. 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)
  11. 3.1 什么是機(jī)器學(xué)習(xí)
  12. 3.2 深度學(xué)習(xí)的工作流程
  13. 3.3 小結(jié)
  14. 第4章 TinyML之“Hello World”：創(chuàng)建和訓(xùn)練模型
  15. 4.1 我們要?jiǎng)?chuàng)建什么
  16. 4.2 我們的機(jī)器學(xué)習(xí)工具鏈
  17. 4.3 創(chuàng)建我們的模型
  18. 4.4 訓(xùn)練我們的模型
  19. 4.5 為TensorFlow Lite轉(zhuǎn)換模型
  20. 4.6 小結(jié)
  21. 第5章 TinyML之“Hello World”：創(chuàng)建應(yīng)用程序
  22. 5.1 詳解測試
  23. 5.2 項(xiàng)目文件結(jié)構(gòu)
  24. 5.3 詳解源文件
  25. 5.4 小結(jié)
  26. 第6章 TinyML之“Hello World”：部署到微控制器
  27. 6.1 什么是微控制器
  28. 6.2 Arduino
  29. 6.3 SparkFun Edge
  30. 6.4 ST Microelectronics STM32F746G Discovery套件
  31. 6.5 小結(jié)
  32. 第7章 喚醒詞檢測：創(chuàng)建應(yīng)用程序
  33. 7.1 我們要?jiǎng)?chuàng)建什么
  34. 7.2 應(yīng)用架構(gòu)
  35. 7.3 詳解測試
  36. 7.4 監(jiān)聽喚醒詞
  37. 7.5 部署到微控制器
  38. 7.6 小結(jié)
  39. 第8章 喚醒詞檢測：訓(xùn)練模型
  40. 8.1 訓(xùn)練我們的新模型
  41. 8.2 在我們的項(xiàng)目中使用模型
  42. 8.3 模型的工作方式
  43. 8.4 使用你自己的數(shù)據(jù)訓(xùn)練
  44. 8.5 小結(jié)
  45. 第9章 行人檢測：創(chuàng)建應(yīng)用程序
  46. 9.1 我們在創(chuàng)建什么
  47. 9.2 應(yīng)用程序架構(gòu)
  48. 9.3 詳解測試
  49. 9.4 行人檢測
  50. 9.5 部署到微處理器
  51. 9.6 小結(jié)
  52. 第10章 行人檢測：訓(xùn)練模型
  53. 10.1 選擇機(jī)器
  54. 10.2 配置Google Cloud Platform實(shí)例
  55. 10.3 訓(xùn)練框架選擇
  56. 10.4 構(gòu)建數(shù)據(jù)集
  57. 10.5 訓(xùn)練模型
  58. 10.6 TensorBoard
  59. 10.7 評估模型
  60. 10.8 將模型導(dǎo)出到TensorFlow Lite
  61. 10.9 訓(xùn)練其他類別
  62. 10.10 理解架構(gòu)
  63. 10.11 小結(jié)
  64. 第11章 魔杖：創(chuàng)建應(yīng)用程序
  65. 11.1 我們要?jiǎng)?chuàng)建什么
  66. 11.2 應(yīng)用程序架構(gòu)
  67. 11.3 詳解測試
  68. 11.4 檢測手勢
  69. 11.5 部署到微處理器
  70. 11.6 小結(jié)
  71. 第12章 魔杖：訓(xùn)練模型
  72. 12.1 訓(xùn)練模型
  73. 12.2 模型是如何工作的
  74. 12.3 訓(xùn)練你自己的數(shù)據(jù)
  75. 12.4 小結(jié)
  76. 第13章 TensorFlow Lite for Microcontrollers
  77. 13.1 什么是TensorFlow Lite for Microcontrollers
  78. 13.2 編譯系統(tǒng)
  79. 13.3 支持一個(gè)新的硬件平臺(tái)
  80. 13.4 支持一個(gè)新的IDE或新的編譯系統(tǒng)
  81. 13.5 在項(xiàng)目和代碼庫之間整合代碼更改
  82. 13.6 回饋開源
  83. 13.7 支持新的硬件加速器
  84. 13.8 理解文件格式
  85. 13.9 將TensorFlow Lite移動(dòng)平臺(tái)算子移植到Micro
  86. 13.10 小結(jié)
  87. 第14章 設(shè)計(jì)你自己的TinyML應(yīng)用程序
  88. 14.1 設(shè)計(jì)過程
  89. 14.2 你需要微控制器還是更大的設(shè)備
  90. 14.3 了解可行性
  91. 14.4 站在巨人的肩膀上
  92. 14.5 找一些相似的模型訓(xùn)練
  93. 14.6 查看數(shù)據(jù)
  94. 14.7 綠野仙蹤
  95. 14.8 先可以在桌面系統(tǒng)中運(yùn)行
  96. 第15章 優(yōu)化延遲
  97. 15.1 首先確保你要優(yōu)化的部分很重要
  98. 15.2 更換硬件
  99. 15.3 改進(jìn)模型
  100. 15.4 量化
  101. 15.5 產(chǎn)品設(shè)計(jì)
  102. 15.6 優(yōu)化代碼
  103. 15.7 優(yōu)化算子
  104. 15.8 回饋開源
  105. 15.9 小結(jié)
  106. 第16章 優(yōu)化功耗
  107. 16.1 開發(fā)直覺
  108. 16.2 測量實(shí)際功耗
  109. 16.3 估算模型的功耗
  110. 16.4 降低功耗
  111. 16.5 小結(jié)
  112. 第17章 優(yōu)化模型和二進(jìn)制文件大小
  113. 17.1 了解系統(tǒng)限制
  114. 17.2 估算內(nèi)存使用率
  115. 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
  116. 17.4 模型選擇
  117. 17.5 減小可執(zhí)行文件的大小
  118. 17.6 真正的微型模型
  119. 17.7 小結(jié)
  120. 第18章 調(diào)試
  121. 18.1 訓(xùn)練與部署之間準(zhǔn)確率的損失
  122. 18.2 數(shù)值差異
  123. 18.3 神秘的崩潰與掛起
  124. 18.4 小結(jié)
  125. 第19章 將模型從TensorFlow移植到TensorFlow Lite
  126. 19.1 了解需要什么算子
  127. 19.2 查看Tensorflow Lite中支持的算子
  128. 19.3 將預(yù)處理和后處理移至應(yīng)用程序代碼
  129. 19.4 按需自己實(shí)現(xiàn)算子
  130. 19.5 優(yōu)化算子
  131. 19.6 小結(jié)
  132. 第20章 隱私、安全和部署
  133. 20.1 隱私
  134. 20.2 安全
  135. 20.3 部署
  136. 20.4 小結(jié)
  137. 第21章 了解更多
  138. 21.1 TinyML基金會(huì)
  139. 21.2 SIG Micro
  140. 21.3 TensorFlow網(wǎng)站
  141. 21.4 其他框架
  142. 21.5 Twitter
  143. 21.6 TinyML的朋友們
  144. 21.7 小結(jié)
  145. 附錄A 使用和生成Arduino庫ZIP文件
  146. 附錄B 在Arduino上捕獲音頻
書名：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)
譯者：魏蘭, 卜杰 譯
國內(nèi)出版社：機(jī)械工業(yè)出版社
出版時(shí)間：2020年10月
頁數(shù)：432
書號：978-7-111-66422-2
原版書書名：TinyML: Machine Learning with TensorFlow Lite on Arduino and
原版書出版商：O'Reilly Media
Pete Warden
 
Pete Warden是Google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。
 
 
Daniel Situnayake
 
Daniel Situnayake在Google領(lǐng)導(dǎo)TensorFlow Lite的開發(fā)宣傳工作，并協(xié)助運(yùn)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(dòng)化技術(shù)以工業(yè)規(guī)模生產(chǎn)昆蟲蛋白的公司。
Daniel Situnayake是Edge Impulse的機(jī)器學(xué)習(xí)負(fù)責(zé)人，負(fù)責(zé)領(lǐng)導(dǎo)嵌入式機(jī)器學(xué)習(xí)的研發(fā)工作。
 
 
購買選項(xiàng)
定價(jià)：149.00元
書號：978-7-111-66422-2
出版社：機(jī)械工業(yè)出版社