TinyML：基于TensorFlow Lite在Arduino和超低功耗微控制器上部署机器学习

图书标准信息

• 作者 [美]皮特·沃登 著；王铁震 译；魏兰；卜杰
• 出版社 机械工业出版社
• 出版时间 2020-09
• 版次 1
• ISBN 9787111664222
• 定价 149.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 432页
• 字数 340千字

【内容简介】

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。

【作者简介】

Pete Warden

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

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。

 

译者与审校者简介

魏兰

软件开发工程师，现就职于Google北京。机器视觉，Android性能优化爱好者。博客：blog.csdn.net/xiaowei_cqu。

 

卜杰 

毕业于南京邮电大学，现于Google北京担任软件工程师。邮箱：prikevs@gmail.com。

 

王铁震

现就职于Google北京，Tensorflow团队核心软件开发工程师。邮箱：wangtz@google.com。

【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5章 TinyML之“Hello World”：创建应用程序62

5.1 详解测试63

5.2 项目文件结构79

5.3 详解源文件80

5.4 小结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 小结115

第7章 唤醒词检测：创建应用程序116

7.1 我们要创建什么117

7.2 应用架构118

7.3 详解测试121

7.4 监听唤醒词139

7.5 部署到微控制器143

7.6 小结164

第8章 唤醒词检测：训练模型165

8.1 训练我们的新模型166

8.2 在我们的项目中使用模型179

8.3 模型的工作方式184

8.4 使用你自己的数据训练194

8.5 小结198

第9章 行人检测：创建应用程序199

9.1 我们在创建什么200

9.2 应用程序架构201

9.3 详解测试204

9.4 行人检测210

9.5 部署到微处理器213

9.6 小结232

第10章 行人检测：训练模型233

10.1 选择机器233

10.2 配置Google Cloud Platform实例233

10.3 训练框架选择240

10.4 构建数据集241

10.5 训练模型241

10.6 TensorBoard243

10.7 评估模型245

10.8 将模型导出到TensorFlow Lite245

10.9 训练其他类别247

10.10 理解架构248

10.11 小结248

第11章 魔杖：创建应用程序250

11.1 我们要创建什么252

11.2 应用程序架构254

11.3 详解测试255

11.4 检测手势264

11.5 部署到微处理器268

11.6 小结293

第12章 魔杖：训练模型294

12.1 训练模型295

12.2 模型是如何工作的303

12.3 训练你自己的数据311

12.4 小结315

第13章 TensorFlow Lite for Microcontrollers317

13.1 什么是TensorFlow Lite for Microcontrollers317

13.2 编译系统323

13.3 支持一个新的硬件平台331

13.4 支持一个新的IDE或新的编译系统336

13.5 在项目和代码库之间整合代码更改337

13.6 回馈开源338

13.7 支持新的硬件加速器339

13.8 理解文件格式340

13.9 将TensorFlow Lite移动平台算子移植到Micro347

13.10 小结350

第14章 设计你自己的TinyML应用程序351

14.1 设计过程351

14.2 你需要微控制器还是更大的设备351

14.3 了解可行性352

14.4 站在巨人的肩膀上353

14.5 找一些相似的模型训练353

14.6 查看数据354

14.7 绿野仙踪355

14.8 先可以在桌面系统中运行356

第15章 优化延迟357

15.1 首先确保你要优化的部分很重要357

15.2 更换硬件358

15.3 改进模型358

15.4 量化360

15.5 产品设计361

15.6 优化代码362

15.7 优化算子363

15.8 回馈开源368

15.9 小结368

第16章 优化功耗369

16.1 开发直觉369

16.2 测量实际功耗372

16.3 估算模型的功耗373

16.4 降低功耗373

16.5 小结375

第17章 优化模型和二进制文件大小376

17.1 了解系统限制376

17.2 估算内存使用率376

17.3 关于不同问题的模型准确率和规模的大致数字379

17.4 模型选择380

17.5 减小可执行文件的大小380

17.6 真正的微型模型386

17.7 小结386

第18章 调试387

18.1 训练与部署之间准确率的损失387

18.2 数值差异389

18.3 神秘的崩溃与挂起391

18.4 小结394

第19章 将模型从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 将预处理和后处理移至应用程序代码396

19.4 按需自己实现算子397

19.5 优化算子397

19.6 小结398

第20章 隐私、安全和部署399

20.1 隐私399

20.2 安全401

20.3 部署403

20.4 小结404

第21章 了解更多405

21.1 TinyML基金会405

21.2 SIG Micro405

21.3 TensorFlow网站406

21.4 其他框架406

21.5 Twitter406

21.6 TinyML的朋友们406

21.7 小结407

附录A 使用和生成Arduino库ZIP文件409

附录B 在Arduino上捕获音频411