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

TinyML是指微型机器学习，更准确地说，TinyML是指工程师们在mW功率以下的设备上，实现机器学习的方法、工具和技术。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。作者解释了如何训练足够小以适合任何环境的模型。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创建一系列TinyML项目。阅读本书无需任何机器学习或者微控制器开发经验。

前言1章 简介51.1 嵌入式设备61.2 技术变迁7第2章 入门82.1 本书目标读者82.2 需要的硬件82.3 需要的软件102.4 我们希望你学到的东西10第3章 快速了解机器学习123.1 什么是机器学习133.2 深度学习的工作流程143.3 小结27第4章 TinyML之“Hello World”：创建和训练模型284.1 我们要创建什么294.2 我们的机器学习工具链304.3 创建我们的模型324.4 训练我们的模型434.5 为TensorFlow Lite转换模型564.6 小结61第5章 TinyML之“Hello World”：创建应用程序625.1 详解测试635.2 项目文件结构795.3 详解源文件805.4 小结87第6章 TinyML之“Hello World”：部署到微控制器886.1 什么是微控制器886.2 Arduino896.3 SparkFun Edge986.4 ST Microelectronics STM32F746G Discovery套件1096.5 小结115第7章 唤醒词检测：创建应用程序1167.1 我们要创建什么1177.2 应用架构1187.3 详解测试1217.4 监听唤醒词1397.5 部署到微控制器1437.6 小结164第8章 唤醒词检测：训练模型1658.1 训练我们的新模型1668.2 在我们的项目中使用模型1798.3 模型的工作方式1848.4 使用你自己的数据训练1948.5 小结198第9章 行人检测：创建应用程序1999.1 我们在创建什么2009.2 应用程序架构2019.3 详解测试2049.4 行人检测2109.5 部署到微处理器2139.6 小结2320章 行人检测：训练模型23310.1 选择机器23310.2 配置Google Cloud Platform实例23310.3 训练框架选择24010.4 构建数据集24110.5 训练模型24110.6 TensorBoard24310.7 评估模型24510.8 将模型导出到TensorFlow Lite24510.9 训练其他类别24710.10 理解架构24810.11 小结2481章 魔杖：创建应用程序25011.1 我们要创建什么25211.2 应用程序架构25411.3 详解测试25511.4 检测手势26411.5 部署到微处理器26811.6 小结2932章 魔杖：训练模型29412.1 训练模型29512.2 模型是如何工作的30312.3 训练你自己的数据31112.4 小结3153章 TensorFlow Lite for Microcontrollers31713.1 什么是TensorFlow Lite for Microcontrollers31713.2 编译系统32313.3 支持一个新的硬件平台33113.4 支持一个新的IDE或新的编译系统33613.5 在项目和代码库之间整合代码更改33713.6 回馈开源33813.7 支持新的硬件加速器33913.8 理解文件格式34013.9 将TensorFlow Lite移动平台算子移植到Micro34713.10 小结3504章 设计你自己的TinyML应用程序35114.1 设计过程35114.2 你需要微控制器还是更大的设备35114.3 了解可行性35214.4 站在巨人的肩膀上35314.5 找一些相似的模型训练35314.6 查看数据35414.7 绿野仙踪35514.8 先可以在桌面系统中运行3565章 优化延迟35715.1 首先确保你要优化的部分很重要35715.2 更换硬件35815.3 改进模型35815.4 量化36015.5 产品设计36115.6 优化代码36215.7 优化算子36315.8 回馈开源36815.9 小结3686章 优化功耗36916.1 开发直觉36916.2 测量实际功耗37216.3 估算模型的功耗37316.4 降低功耗37316.5 小结3757章 优化模型和二进制文件大小37617.1 了解系统限制37617.2 估算内存使用率37617.3 关于不同问题的模型准确率和规模的大致数字37917.4 模型选择38017.5 减小可执行文件的大小38017.6 真正的微型模型38617.7 小结3868章 调试38718.1 训练与部署之间准确率的损失38718.2 数值差异38918.3 神秘的崩溃与挂起39118.4 小结3949章 将模型从TensorFlow移植到TensorFlow Lite39519.1 了解需要什么算子39519.2 查看Tensorflow Lite中支持的算子39619.3 将预处理和后处理移至应用程序代码39619.4 按需自己实现算子39719.5 优化算子39719.6 小结398第20章 隐私、安全和部署39920.1 隐私39920.2 安全40120.3 部署40320.4 小结404第21章 了解更多40521.1 TinyML基金会40521.2 SIG Micro40521.3 TensorFlow网站40621.4 其他框架40621.5 Twitter40621.6 TinyML的朋友们40621.7 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