Bewertung:
Das Buch bietet eine praktische Ressource für Entwickler, die daran interessiert sind, maschinelles Lernen auf ressourcenbeschränkten Geräten einzusetzen, mit praktischen Beispielen, die sich auf TensorFlow und Edge Computing konzentrieren. Allerdings leidet es unter veralteten Ressourcen und begrenzter Unterstützung für Windows-Benutzer, was es für einige Leser zu einer Herausforderung machen kann.
Vorteile:Gut geschrieben und fesselnd, zugänglich für Entwickler aller Stufen.
Nachteile:Praktischer, praxisnaher Ansatz mit Demos und Beispielen in Google Colab.
(basierend auf 40 Leserbewertungen)
Tinyml: Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers
Deep Learning-Netzwerke werden immer kleiner. Viel kleiner. Das Google Assistant-Team kann Wörter mit einem Modell erkennen, das nur 14 Kilobyte groß ist - klein genug, um auf einem Mikrocontroller zu laufen. Mit diesem praktischen Buch betreten Sie das Feld von TinyML, wo Deep Learning und eingebettete Systeme kombiniert werden, um erstaunliche Dinge mit winzigen Geräten möglich zu machen.
Pete Warden und Daniel Situnayake erklären, wie Sie Modelle trainieren können, die so klein sind, dass sie in jede Umgebung passen. Dieser Leitfaden ist ideal für Software- und Hardwareentwickler, die eingebettete Systeme mit Hilfe von maschinellem Lernen erstellen möchten. Er führt Sie Schritt für Schritt durch die Erstellung einer Reihe von TinyML-Projekten. Es ist keine Erfahrung mit maschinellem Lernen oder Mikrocontrollern erforderlich.
⬤ Bauen Sie einen Spracherkenner, eine Kamera, die Menschen erkennt, und einen Zauberstab, der auf Gesten reagiert.
⬤ Arbeiten Sie mit Arduino und Ultra-Low-Power-Mikrocontrollern.
⬤ Lernen Sie die Grundlagen von ML und wie Sie Ihre eigenen Modelle trainieren können.
⬤ Trainieren Sie Modelle zum Verstehen von Audio-, Bild- und Beschleunigungssensor-Daten.
⬤ Lernen Sie TensorFlow Lite für Mikrocontroller kennen, Googles Toolkit für TinyML.
⬤ Debuggen Sie Anwendungen und bieten Sie Schutzmaßnahmen für Datenschutz und Sicherheit.
⬤ Optimieren Sie Latenz, Energieverbrauch sowie Modell- und Binärgröße.
| ISBN: | 9781492052043 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 504 |
Derzeit verfügbar, auf Lager.
