【2023新书】实践TinyML：在边缘设备上发挥机器学习的威力，308页pdf

学习如何在单板计算机、移动手机和微控制器上部署复杂的机器学习模型 主要特点 ● 全面了解TinyML的核心概念。 ● 学习如何从零开始设计自己的TinyML应用程序。 ● 探索用于开发TinyML的尖端模型、硬件和软件平台。

描述

TinyML是一项创新技术，使小型和资源受限的边缘设备具备了机器学习的能力。如果您有兴趣在微控制器、单板计算机或移动手机上直接部署机器学习模型，而无需依赖持续的云连接，那么本书是一个理想的资源。

本书首先对Python进行了回顾，涵盖了基本概念以及诸如NumPy和Pandas等常用库。然后深入探讨了神经网络的基础知识，并探讨了使用TensorFlow和Keras进行深度学习的实际实现。此外，本书还详细介绍了TensorFlow Lite，这是一个专门用于在边缘设备上优化和部署模型的框架。它还讨论了各种模型优化技术，可以在不影响性能的情况下减小模型大小。随着书的进展，它提供了逐步指导，以在特定于树莓派的环境中创建用于目标检测和人脸识别的深度学习模型。您还将介绍如何在真实世界的边缘设备上部署TensorFlow Lite应用程序的复杂性。最后，本书探讨了在微控制器单元（MCUs）上使用TensorFlow Lite的令人兴奋的可能性，为在资源受限设备上部署机器学习模型打开了新的机会。

总体而言，本书是一个宝贵的资源，适用于任何有兴趣在边缘设备上利用机器学习能力的人。

您将学到什么

● 探索不同的硬件和软件平台，设计TinyML。

● 使用MobileNet架构创建用于目标检测的深度学习模型。

● 使用TensorFlow模型优化工具包优化大型神经网络模型。

● 探索微控制器上的TensorFlow Lite的功能。

● 在树莓派上构建人脸识别系统。

● 在Arduino Nano上构建关键词检测系统。

本书适用人群

本书适用于计算机科学、人工智能、电子和电气工程等领域的本科和研究生学生，包括MSc和MCA课程。对于刚刚进入行业并希望提高技能的年轻专业人士，本书也是一个有价值的参考。

目录

1. TinyML及其应用简介

2. Python和TensorFlow基础课程

3. 深度学习基础知识

4. 体验TensorFlow

5. 使用TensorFlow进行模型优化

6. 部署我的第一个TinyML应用程序

7. 应用部署的深入探讨

8. 微控制器上的TensorFlow Lite

9. 微控制器上的关键词检测

10. 结论和进一步阅读