TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
- Autorzy:
- Pete Warden, Daniel Situnayake
- Wydawnictwo:
- Helion
- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 432
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi
Opis książki: TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
Może się wydawać, że profesjonalne systemy uczenia maszynowego wymagają sporych zasobów mocy obliczeniowej i energii. Okazuje się, że niekoniecznie: można tworzyć zaawansowane, oparte na sieciach neuronowych aplikacje, które doskonale poradzą sobie bez potężnych procesorów. Owszem, praca na mikrokontrolerach podobnych do Arduino lub systemach wbudowanych wymaga pewnego przygotowania i odpowiedniego podejścia, jest to jednak fascynujący sposób na wykorzystanie niewielkich urządzeń o niskim zapotrzebowaniu na energię do tworzenia zdumiewających projektów.
Ta książka jest przystępnym wprowadzeniem do skomplikowanego świata, w którym za pomocą techniki TinyML wdraża się głębokie uczenie maszynowe w systemach wbudowanych. Nie musisz mieć żadnego doświadczenia z zakresu uczenia maszynowego czy pracy z mikrokontrolerami. W książce wyjaśniono, jak można trenować modele na tyle małe, by mogły działać w każdym środowisku - również Arduino. Dokładnie opisano sposoby użycia techniki TinyML w tworzeniu systemów wbudowanych opartych na zastosowaniu ucze nia maszynowego. Zaprezentowano też kilka ciekawych projektów, na przykład dotyczący budowy urządzenia rozpoznającego mowę, magicznej różdżki reagującej na gesty, a także rozszerzenia możliwości kamery o wykrywanie ludzi.
W książce między innymi:
- praca z Arduino i innymi mikrokontrolerami o niskim poborze mocy
- podstawy uczenia maszynowego, budowy i treningu modeli
- TensorFlow Lite i zestaw narzędzi Google dla TinyML
- bezpieczeństwo i ochrona prywatności w aplikacji
- optymalizacja modelu
- tworzenie modeli do interpretacji różnego rodzaju danych
Ograniczone zasoby? Poznaj TinyML!
Wybrane bestsellery
-
Oto pierwszy tom dzieła, które stanowi inspirujące spojrzenie na sztuczną inteligencję. Jego zrozumienie nie wymaga wybitnej znajomości informatyki i matematyki. Książka jest wspaniałą syntezą wczesnych i późniejszych koncepcji, a także technik, przeprowadzoną we frameworku idei, metod i technolo...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
(0,00 zł najniższa cena z 30 dni)109.85 zł
169.00 zł(-35%) -
To drugi tom klasycznego podręcznika wiedzy o sztucznej inteligencji. Podobnie jak w wypadku pierwszej części, lektura tej książki nie wymaga wybitnej znajomości tematu. Dzięki przejrzystości tekstu i umiejętnemu unikaniu nadmiernego formalizmu można w dość łatwy sposób zrozumieć kluczowe idee i ...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
(0,00 zł najniższa cena z 30 dni)83.85 zł
129.00 zł(-35%) -
Uczenie maszynowe (ML) i sztuczna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco tajemnicze, futurystyczne i przede wszystkim wymagające posiadania dość sporej wiedzy i umiejętności matematycznych. Stąd podręczniki akademickie poś...
Uczenie maszynowe. Elementy matematyki w analizie danych Uczenie maszynowe. Elementy matematyki w analizie danych
(0,00 zł najniższa cena z 30 dni)25.93 zł
39.90 zł(-35%) -
To drugie wydanie bestsellerowego przewodnika po technikach uczenia maszynowego. Wystarczą minimalne umiejętności programistyczne, aby dzięki tej książce nauczyć się budowania i trenowania głębokiej sieci neuronowej. Zawarto tu minimum teorii, a proces nauki jest ułatwiony przez liczne przykłady ...
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II
(0,00 zł najniższa cena z 30 dni)77.40 zł
129.00 zł(-40%) -
Oto zaktualizowane i rozszerzone wydanie książki, dzięki której poznasz wybrane zagadnienia z dziedziny fizyki, elektroniki i cyfrowego projektowania. Omówiono też podstawy algorytmów i charakterystyczne dla Arduino koncepcje programistyczne. Znalazły się tu zaktualizowane projekty i nowe tematy,...
Odkrywanie Arduino. Narzędzia i techniki inżynierii pełnej czaru. Wydanie II Odkrywanie Arduino. Narzędzia i techniki inżynierii pełnej czaru. Wydanie II
(0,00 zł najniższa cena z 30 dni)26.90 zł
89.00 zł(-70%) -
Ta książka jest kolejnym, zaktualizowanym i uzupełnionym wydaniem popularnego podręcznika programowania dla osób, które chcą zacząć swoją przygodę z Arduino. Skorzystasz z niej nawet wtedy, gdy nie masz pojęcia o programowaniu. Wystarczy zestaw Arduino i ochota do pracy twórczej, aby wykonać urzą...
Arduino dla początkujących. Podstawy i szkice. Wydanie II Arduino dla początkujących. Podstawy i szkice. Wydanie II
(0,00 zł najniższa cena z 30 dni)32.44 zł
49.90 zł(-35%) -
Ten podręcznik jest przeznaczony dla osób, które chcą dobrze zrozumieć matematyczne podstawy uczenia maszynowego i nabrać praktycznego doświadczenia w używaniu pojęć matematycznych. Wyjaśniono tutaj stosowanie szeregu technik matematycznych, takich jak algebra liniowa, geometria analityczna, rozk...(0,00 zł najniższa cena z 30 dni)
77.40 zł
129.00 zł(-40%) -
To drugie, starannie zaktualizowane wydanie przewodnika po programowaniu Arduino, przeznaczonego dla osób, które opanowały podstawy i chcą zdobyć umiejętności na wyższym, profesjonalnym poziomie. W książce dodatkowo ujęto zagadnienia wykorzystania Arduino do komunikacji z urządzeniami szeregowymi...
Arduino dla początkujących. Kolejny krok. Wydanie II Arduino dla początkujących. Kolejny krok. Wydanie II
(0,00 zł najniższa cena z 30 dni)35.69 zł
54.90 zł(-35%) -
Niniejsza książka jest praktycznym przewodnikiem po uczeniu głębokim. Znalazły się tu dokładne informacje o istocie uczenia głębokiego, o jego zastosowaniach i ograniczeniach. Wyjaśniono zasady rozwiązywania typowych problemów uczenia maszynowego. Pokazano, jak korzystać z pakietu Keras przy impl...
Deep Learning. Praca z językiem Python i biblioteką Keras Deep Learning. Praca z językiem Python i biblioteką Keras
(0,00 zł najniższa cena z 30 dni)35.40 zł
59.00 zł(-40%)
O autorach książki
2 Pete Warden, Daniel SitunayakePete Warden jest współzałożycielem zespołu do spraw TensorFlow. Obecnie zajmuje się platformą TensorFlow dla mobilnych systemów operacyjnych i systemów wbudowanych. Wcześniej był założycielem firmy Jetpac, przejętej przez Google w 2014 roku.
Daniel Situnayake wspiera programistów TensorFlow w Google. Jest współzałożycielem firmy Tiny Farms, która jako pierwsza w Stanach Zjednoczonych zautomatyzowała proces uzyskiwania białka z owadów na skalę przemysłową.
Pete Warden, Daniel Situnayake - pozostałe książki
-
Edge AI is transforming the way computers interact with the real world, allowing IoT devices to make decisions using the 99% of sensor data that was previously discarded due to cost, bandwidth, or power limitations. With techniques like embedded machine learning, developers can capture human intu...(271.15 zł najniższa cena z 30 dni)
271.15 zł
319.00 zł(-15%) -
Deep learning networks are getting smaller. Much smaller. The Google Assistant team can detect words with a model just 14 kilobytes in size—small enough to run on a microcontroller. With this practical book you’ll enter the field of TinyML, where deep learning and embedded systems com...
TinyML. Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers TinyML. Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers
(169.15 zł najniższa cena z 30 dni)177.65 zł
209.00 zł(-15%) -
To help you navigate the large number of new data tools available, this guide describes 60 of the most recent innovations, from NoSQL databases and MapReduce approaches to machine learning and visualization tools. Descriptions are based on first-hand experience with these tools in a production en...
Big Data Glossary. A Guide to the New Generation of Data Tools Big Data Glossary. A Guide to the New Generation of Data Tools
(59.42 zł najniższa cena z 30 dni)59.42 zł
69.90 zł(-15%) -
If you're a developer looking to supplement your own data tools and services, this concise ebook covers the most useful sources of public data available today. You'll find useful information on APIs that offer broad coverage, tie their data to the outside world, and are either accessible online o...(59.42 zł najniższa cena z 30 dni)
59.42 zł
69.90 zł(-15%)
Ebooka przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolonych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video zobaczysz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolonych urządzeniach i aplikacjach obsługujących format MP4 (pliki spakowane w ZIP)
Szczegóły książki
- Tytuł oryginału:
- TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers
- Tłumaczenie:
- Anna Mizerska
- ISBN Książki drukowanej:
- 978-83-283-8362-3, 9788328383623
- Data wydania książki drukowanej:
- 2022-02-15
- ISBN Ebooka:
- 978-83-283-8363-0, 9788328383630
- Data wydania ebooka:
-
2022-02-15
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@helion.pl.
- Format:
- 168x237
- Numer z katalogu:
- 158385
- Rozmiar pliku Pdf:
- 8.7MB
- Rozmiar pliku ePub:
- 16.7MB
- Rozmiar pliku Mobi:
- 29.8MB
- Pobierz przykładowy rozdział PDF
- Zgłoś erratę
- Kategorie:
Elektronika » Arduino
Uczenie maszynowe
Spis treści książki
- Wstęp
- Konwencje typograficzne przyjęte w tej książce
- Korzystanie z przykładowych kodów
- Podziękowania
- Rozdział 1. Wprowadzenie
- Urządzenia z systemem wbudowanym
- Ciągły rozwój
- Rozdział 2. Informacje wstępne
- Do kogo skierowana jest ta książka?
- Jaki sprzęt będzie Ci potrzebny?
- Jakie oprogramowanie będzie Ci potrzebne?
- Czego nauczysz się dzięki tej książce?
- Rozdział 3. Wprowadzenie do uczenia maszynowego
- Czym właściwie jest uczenie maszynowe?
- Proces uczenia głębokiego
- Określenie celu
- Zebranie zestawu danych
- Wybór danych
- Zbieranie danych
- Etykietowanie danych
- Nasz gotowy zestaw danych
- Zaprojektowanie architektury modelu
- Generowanie atrybutów z danych
- Tworzenie okien czasowych
- Normalizacja
- Generowanie atrybutów z danych
- Myślenie z uczeniem maszynowym
- Trenowanie modelu
- Niedotrenowanie i przetrenowanie
- Trening, walidacja i testowanie
- Przekształcenie modelu
- Uruchomienie procesu wnioskowania
- Ocena i rozwiązanie ewentualnych problemów
- Podsumowanie
- Rozdział 4. Witaj, świecie TinyML: budowa i trenowanie modelu
- Co będziemy budować?
- Nasz zestaw narzędzi do uczenia maszynowego
- Python i Jupyter Notebooks
- Google Colaboratory
- TensorFlow i Keras
- Budowa naszego modelu
- Importowanie pakietów
- Generowanie danych
- Rozdzielanie danych
- Definiowanie podstawowego modelu
- Trenowanie naszego modelu
- Wskaźniki treningu
- Wykres historii
- Ulepszenie naszego modelu
- Test
- Konwertowanie modelu na potrzeby TensorFlow Lite
- Konwertowanie na plik C
- Podsumowanie
- Rozdział 5. Witaj, świecie TinyML: budowanie aplikacji
- Omówienie testów
- Dodawanie zależności
- Przygotowanie testów
- Przygotowanie do rejestrowania danych
- Mapowanie naszego modelu
- Klasa AllOpsResolver
- Alokacja pamięci dla modelu
- Tworzenie interpretera
- Sprawdzenie tensora wejścia
- Uruchamianie procesu wnioskowania
- Odczytywanie danych wyjściowych
- Uruchamianie testów
- Pobieranie kodu
- Uruchamianie testów za pomocą Make
- Omówienie testów
- Budowa pliku z projektem
- Omówienie kodu źródłowego
- Początek pliku main_functions.cc
- Obsługa wyjścia za pomocą output_handler.cc
- Koniec pliku main_functions.cc
- Omówienie pliku main.cc
- Uruchomienie aplikacji
- Podsumowanie
- Rozdział 6. Witaj, świecie TinyML: uruchomienie aplikacji na mikrokontrolerze
- Czym właściwie jest mikrokontroler?
- Arduino
- Obsługa wyjścia na Arduino
- Uruchomienie przykładu
- Wprowadzanie własnych zmian
- SparkFun Edge
- Obsługa wyjścia na SparkFun Edge
- Uruchomienie przykładu
- Kompilacja
- Podpis pliku binarnego
- Wgrywanie pliku binarnego
- Podłączenie konwertera USB do płytki
- Podłączenie konwertera do komputera
- Uruchomienie skryptu do wgrania nowego programu na płytkę
- Testowanie programu
- Sprawdzanie danych o przebiegu programu
- Wprowadzanie własnych zmian
- Zestaw ST Microelectronics STM32F746G Discovery
- Obsługa wyjścia na STM32F746G
- Uruchomienie przykładu
- Wprowadzanie własnych zmian
- Podsumowanie
- Rozdział 7. Wykrywanie słowa wybudzającego: budowanie aplikacji
- Co będziemy tworzyć?
- Architektura aplikacji
- Wprowadzenie do naszego modelu
- Wszystkie elementy aplikacji
- Omówienie testów
- Podstawowy przepływ danych
- Element dostarczający dane audio
- Element dostarczający cechy
- Sposób przetwarzania dźwięku na spektrogram przez element dostarczający dane audio
- Element rozpoznający polecenia
- Element reagujący na polecenia
- Nasłuchiwanie słów wybudzających
- Uruchomienie naszej aplikacji
- Uruchomienie aplikacji na mikrokontrolerach
- Arduino
- Element reagujący na polecenia dla Arduino
- Uruchomienie przykładu
- Wprowadzanie własnych zmian
- Arduino
- SparkFun Edge
- Element reagujący na polecenia dla SparkFun Edge
- Uruchomienie przykładu
- Kompilacja
- Podpis pliku binarnego
- Wgrywanie pliku binarnego
- Podłączenie konwertera USB do płytki
- Podłączenie konwertera do komputera
- Uruchomienie skryptu do wgrania nowego programu na płytkę
- Testowanie programu
- Sprawdzanie danych o przebiegu programu
- Wprowadzanie własnych zmian
- Zestaw ST Microelectronics STM32F746G Discovery
- Element reagujący na polecenia dla STM32F746G
- Uruchomienie przykładu
- Testowanie programu
- Podgląd informacji o przebiegu programu
- Wprowadzanie własnych zmian
- Podsumowanie
- Rozdział 8. Wykrywanie słowa wybudzającego: trenowanie modelu
- Trenowanie naszego nowego modelu
- Trenowanie w Colab
- Trenowanie z użyciem GPU
- Konfiguracja treningu
- Instalacja pakietów
- Narzędzie TensorBoard
- Rozpoczęcie treningu
- Oczekiwanie na zakończenie treningu
- Pilnowanie, by Colab się nie wyłączył
- Zamrażanie grafu
- Konwertowanie na format TensorFlow Lite
- Utworzenie tablicy C
- Trenowanie w Colab
- Trenowanie naszego nowego modelu
- Wykorzystanie modelu w naszym projekcie
- Zastępowanie modelu
- Zmiana etykiet
- Zmiany w kodzie command_responder.cc
- Arduino
- SparkFun Edge
- STM32F746G
- Inne sposoby uruchamiania skryptów
- Zasada działania modelu
- Wizualizacja danych wejściowych
- Zasada działania generowania cech
- Architektura modelu
- Dane wyjściowe modelu
- Trenowanie modelu z własnymi danymi
- Zestaw danych Speech Commands
- Trenowanie modelu na własnych danych
- Nagrywanie własnych dźwięków
- Powiększenie zestawu danych
- Architektury modeli
- Podsumowanie
- Rozdział 9. Wykrywanie osoby: budowanie aplikacji
- Co będziemy budować?
- Architektura aplikacji
- Wprowadzenie do naszego modelu
- Wszystkie elementy aplikacji
- Omówienie testów
- Podstawowy przepływ danych
- Element dostarczający obrazy
- Element reagujący na wykrycie człowieka
- Wykrywanie ludzi
- Uruchomienie aplikacji na mikrokontrolerach
- Arduino
- Wybór modułu kamery
- Przechwytywanie obrazów na Arduino
- Reagowanie na wykrycie człowieka na Arduino
- Uruchomienie przykładu
- Wprowadzanie własnych zmian
- Arduino
- SparkFun Edge
- Wybór modułu kamery
- Przechwytywanie obrazów na SparkFun Edge
- Reagowanie na wykrycie człowieka na SparkFun Edge
- Uruchomienie przykładu
- Kompilacja
- Podpisanie pliku binarnego
- Wgrywanie pliku binarnego
- Podłączenie konwertera USB do płytki
- Podłączenie konwertera do komputera
- Uruchomienie skryptu do wgrania nowego programu na płytkę
- Testowanie programu
- Sprawdzanie danych o przebiegu programu
- Wprowadzanie własnych zmian
- Podsumowanie
- Rozdział 10. Wykrywanie osoby: trenowanie modelu
- Wybór maszyny
- Konfiguracja instancji Google Cloud Platform
- Wybór platformy programistycznej do treningu
- Tworzenie zestawu danych
- Trenowanie modelu
- TensorBoard
- Ocena modelu
- Eksportowanie modelu do TensorFlow Lite
- Eksportowanie do pliku GraphDef Protobuf
- Zamrażanie wag
- Kwantyzacja i konwertowanie na potrzeby TensorFlow Lite
- Konwertowanie na plik źródłowy C
- Trenowanie dla innych kategorii
- Architektura MobileNet
- Podsumowanie
- Rozdział 11. Magiczna różdżka: budowanie aplikacji
- Co będziemy tworzyć?
- Architektura aplikacji
- Wprowadzenie do naszego modelu
- Wszystkie elementy aplikacji
- Omówienie testów
- Podstawowy przepływ danych
- Element obsługujący akcelerometr
- Element przewidujący gesty
- Element reagujący na wykrycie gestu
- Wykrywanie gestu
- Uruchomienie aplikacji na mikrokontrolerach
- Arduino
- Stałe Arduino
- Odczytywanie pomiarów z akcelerometru na Arduino
- Reagowanie na gesty za pomocą Arduino
- Uruchomienie przykładu
- Wprowadzanie własnych zmian
- Arduino
- SparkFun Edge
- Odczytywanie pomiarów z akcelerometru na SparkFun Edge
- Reagowanie na gesty za pomocą SparkFun Edge
- Uruchomienie przykładu
- Kompilacja
- Podpis pliku binarnego
- Wgrywanie pliku binarnego
- Podłączenie konwertera USB do płytki
- Podłączenie konwertera do komputera
- Uruchomienie skryptu do wgrania nowego programu na płytkę
- Testowanie programu
- Wprowadzanie własnych zmian
- Podsumowanie
- Rozdział 12. Magiczna różdżka: trenowanie modelu
- Trenowanie modelu
- Trening w Colab
- Trenowanie z użyciem GPU
- Instalacja pakietów
- Przygotowanie danych
- Uruchomienie TensorBoard
- Rozpoczęcie treningu
- Ocena wyników
- Utworzenie tablicy C
- Trening w Colab
- Inne sposoby uruchamiania skryptów
- Trenowanie modelu
- Zasada działania modelu
- Wizualizacja danych wejściowych
- Architektura modelu
- Trenowanie modelu z własnymi danymi
- Przechwytywanie danych
- SparkFun Edge
- Rejestrowanie danych
- Przechwytywanie danych
- Modyfikacja skryptów trenujących
- Trening
- Wykorzystanie nowego modelu
- Podsumowanie
- Uczenie się uczenia maszynowego
- Co dalej?
- Rozdział 13. TensorFlow Lite dla mikrokontrolerów
- Czym jest TensorFlow Lite dla mikrokontrolerów?
- TensorFlow
- TensorFlow Lite
- TensorFlow Lite dla mikrokontrolerów
- Wymagania
- Dlaczego model potrzebuje interpretera?
- Generowanie projektu
- Czym jest TensorFlow Lite dla mikrokontrolerów?
- Kompilatory
- Wyspecjalizowany kod
- Pliki Makefile
- Pisanie testów
- Obsługa nowej platformy sprzętowej
- Wyświetlanie rejestru zdarzeń
- Wdrożenie funkcji DebugLog()
- Uruchamianie wszystkich plików źródłowych
- Integracja z plikami Makefile
- Obsługa nowego IDE lub kompilatora
- Integrowanie zmian w kodzie projektu z repozytoriami
- Wnoszenie swojego wkładu do kodu z otwartym źródłem
- Obsługa nowego akceleratora sprzętowego
- Format pliku
- Biblioteka FlatBuffers
- Przenoszenie operacji TensorFlow Lite Mobile na wersję dla mikrokontrolerów
- Oddzielanie kodu odniesienia
- Utworzenie kopii operatora dla mikrokontrolera
- Tworzenie wersji testów dla mikrokontrolerów
- Tworzenie testu Bazel
- Dodanie swojego operatora do obiektu AllOpsResolver
- Kompilacja testu pliku Makefile
- Podsumowanie
- Rozdział 14. Projektowanie własnych aplikacji TinyML
- Projektowanie
- Czy potrzebny jest mikrokontroler, czy może być większe urządzenie?
- Co jest możliwe?
- Podążanie czyimiś śladami
- Podobne modele do trenowania
- Sprawdzenie danych
- Magia Czarnoksiężnika z krainy Oz
- Poprawnie działająca wersja na komputerze jako pierwszy etap
- Rozdział 15. Optymalizacja prędkości działania programu
- Prędkość modelu a prędkość ogólna aplikacji
- Zmiany sprzętu
- Ulepszenia modelu
- Ocena opóźnienia modelu
- Przyspieszanie modelu
- Kwantyzacja
- Etap projektowania produktu
- Optymalizacje kodu
- Profilowanie wydajności
- Miganie
- Metoda strzelby
- Wyświetlanie informacji z przebiegu programu
- Analizator stanów logicznych
- Licznik
- Profilowanie
- Profilowanie wydajności
- Optymalizowanie operacji
- Implementacje już zoptymalizowane
- Tworzenie własnej zoptymalizowanej implementacji
- Wykorzystanie funkcjonalności sprzętu
- Akceleratory i koprocesory
- Wnoszenie swojego wkładu do kodu z otwartym źródłem
- Podsumowanie
- Rozdział 16. Optymalizacja poboru mocy
- Rozwijanie intuicji
- Pobór mocy standardowych elementów
- Wybór sprzętu
- Rozwijanie intuicji
- Pomiar rzeczywistego poboru mocy
- Oszacowanie poboru mocy modelu
- Ulepszenia związane z zużyciem energii
- Cykl pracy
- Projektowanie kaskadowe
- Podsumowanie
- Rozdział 17. Optymalizacja modelu i rozmiaru pliku binarnego
- Zrozumienie ograniczeń własnego systemu
- Oszacowanie zużycia pamięci
- Zużycie pamięci flash
- Zużycie pamięci RAM
- Szacunkowe wartości dokładności i rozmiaru modelu przy różnych problemach
- Model rozpoznający słowa wybudzające
- Model predykcyjnego utrzymania
- Wykrywanie obecności człowieka
- Wybór modelu
- Zmniejszenie rozmiaru pliku wykonywalnego
- Mierzenie rozmiaru kodu
- Ile miejsca zajmuje TensorFlow Lite dla mikrokontrolerów?
- OpResolver
- Rozmiar pojedynczych funkcji
- Stałe w platformie TensorFlow Lite
- Naprawdę malutkie modele
- Podsumowanie
- Rozdział 18. Debugowanie
- Różnica w dokładności między treningiem a wdrożeniem
- Różnice we wstępnym przetwarzaniu danych
- Debugowanie wstępnego przetwarzania danych
- Ocena działania programu na urządzeniu docelowym
- Różnica w dokładności między treningiem a wdrożeniem
- Różnice liczbowe
- Czy różnice stanowią problem?
- Ustalenie wskaźnika
- Punkt odniesienia
- Zamiana implementacji
- Tajemnicze awarie
- Debugowanie na pulpicie
- Sprawdzanie rejestru
- Debugowanie metodą strzelby
- Błędy związane z pamięcią
- Podsumowanie
- Rozdział 19. Przenoszenie modelu z TensorFlow do TensorFlow Lite
- Określenie wymaganych operacji
- Operacje obsługiwane w TensorFlow Lite
- Przeniesienie wstępnego i końcowego przetwarzania do kodu aplikacji
- Implementacja niezbędnych operacji
- Optymalizacja operacji
- Podsumowanie
- Rozdział 20. Prywatność, bezpieczeństwo i wdrażanie
- Prywatność
- PDD
- Zbieranie danych
- Wykorzystanie danych
- Dzielenie się danymi i ich przechowywanie
- Zgoda
- PDD
- Używanie PDD
- Prywatność
- Bezpieczeństwo
- Ochrona modeli
- Wdrożenie
- Przejście od płytki do produktu
- Podsumowanie
- Rozdział 21. Poszerzanie wiedzy
- Fundacja TinyML
- SIG Micro
- Strona internetowa TensorFlow
- Inne platformy programistyczne
- Przyjaciele TinyML
- Podsumowanie
- Dodatek A Używanie i tworzenie biblioteki Arduino w formacie ZIP
- Dodatek B Przechwytywanie dźwięku na Arduino
- O autorach
- Kolofon
Helion - inne książki
-
Oto wyjątkowy przewodnik po platformie Roblox. Składa się z 24 lekcji skonstruowanych w sposób ułatwiający szybkie opanowanie materiału; przeczytanie każdej z nich i wykonanie podanych ćwiczeń zajmie Ci najwyżej godzinę. Lekcje i zadania łącznie tworzą kurs, dzięki któremu nauczysz się samodzieln...
Roblox Lua w 24 godziny. Tworzenie gier dla początkujących Roblox Lua w 24 godziny. Tworzenie gier dla początkujących
(0,00 zł najniższa cena z 30 dni)44.85 zł
69.00 zł(-35%) -
Ten przystępny przewodnik jest przeznaczony dla analityków danych, którzy chcą dobrze poznać proces tworzenia analitycznego zbioru danych i samodzielnie pisać kod niezbędny do uzyskania zamierzonego wyniku. Przedstawiono w nim składnię języka SQL oraz zasady budowania szybko działających zapytań ...
SQL dla analityków danych. Tworzenie zbiorów danych dla początkujących SQL dla analityków danych. Tworzenie zbiorów danych dla początkujących
(0,00 zł najniższa cena z 30 dni)44.85 zł
69.00 zł(-35%) -
Oto przewodnik po koncepcjach testowania i wiodących frameworkach, za pomocą których automatyzuje się testy aplikacji internetowych, takich jak Selenium, Cypress, Puppeteer i Playwright. Zaprezentowano w nim unikatowe funkcjonalności tych rozwiązań, ich wady i zalety, a także wyjaśniono zasady ko...
Testowanie aplikacji dla programistów frontendowych. Wiodące frameworki do automatyzacji testów aplikacji internetowych i ich przyszłość oparta na testowaniu niskokodowym i sztucznej inteligencji Testowanie aplikacji dla programistów frontendowych. Wiodące frameworki do automatyzacji testów aplikacji internetowych i ich przyszłość oparta na testowaniu niskokodowym i sztucznej inteligencji
(0,00 zł najniższa cena z 30 dni)44.85 zł
69.00 zł(-35%) -
To książka przeznaczona dla osób, które chcą dobrze zrozumieć matematyczne podstawy nauki o danych i nauczyć się stosowania niektórych koncepcji w praktyce. Wyjaśniono tu takie zagadnienia jak rachunek różniczkowy i całkowy, rachunek prawdopodobieństwa, algebra liniowa i statystyka, pokazano takż...
Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka
(0,00 zł najniższa cena z 30 dni)41.40 zł
69.00 zł(-40%) -
Ta książka jest drugim, zaktualizowanym i uzupełnionym wydaniem przewodnika dla programistów. Rozpoczyna się od szczegółowego wprowadzenia do nowoczesnego C++ z uwzględnieniem technik eliminowania wąskich gardeł w kodzie bazowym. Następnie omówiono zagadnienia optymalizacji struktur danych i zarz...
Wysoce wydajny C++. Opanuj sztukę optymalizowania działania kodu. Wydanie II Wysoce wydajny C++. Opanuj sztukę optymalizowania działania kodu. Wydanie II
(0,00 zł najniższa cena z 30 dni)77.35 zł
119.00 zł(-35%) -
Z tym przewodnikiem nauczysz się stosowania Reacta w praktyce. Dowiesz się, w jaki sposób zbudować jednostronicową, złożoną aplikację internetową, i zdobędziesz wiedzę umożliwiającą używanie tej biblioteki w codziennej pracy. Pokazano tu, jak rozpocząć projekt i rozwijać rzeczywistą aplikację. Za...
React w działaniu. Tworzenie aplikacji internetowych. Wydanie II React w działaniu. Tworzenie aplikacji internetowych. Wydanie II
(0,00 zł najniższa cena z 30 dni)38.35 zł
59.00 zł(-35%) -
Microsoft Power BI jest doskonałym narzędziem do profesjonalnej analizy danych. Jeśli jednak chcesz uzyskać za jego pomocą naprawdę spektakularne efekty, musisz się biegle posługiwać językiem DAX (Data Analysis Expressions). Pozwala on na wykonywanie zaawansowanych obliczeń i zapytań dotyczących ...
DAX i Power BI w analizie danych. Tworzenie zaawansowanych i efektywnych analiz dla biznesu DAX i Power BI w analizie danych. Tworzenie zaawansowanych i efektywnych analiz dla biznesu
(0,00 zł najniższa cena z 30 dni)57.85 zł
89.00 zł(-35%) -
To książka przeznaczona dla inżynierów danych i programistów, którzy chcą za pomocą Sparka przeprowadzać skomplikowane analizy danych i korzystać z algorytmów uczenia maszynowego, nawet jeśli te dane pochodzą z różnych źródeł. Wyjaśniono tu, jak dzięki Apache Spark można odczytywać i ujednolicać ...(0,00 zł najniższa cena z 30 dni)
57.85 zł
89.00 zł(-35%) -
Jeśli masz już pewne umiejętności pentestera, dzięki tej książce poszerzysz swoją wiedzę o zaawansowanych narzędziach dostępnych w Kali Linux, a także nauczysz się wyrafinowanych taktyk stosowanych przez prawdziwych hakerów do atakowania sieci komputerowych. Omówiono tu różne sposoby instalowania...
Kali Linux i zaawansowane testy penetracyjne. Zostań ekspertem cyberbezpieczeństwa za pomocą Metasploit, Nmap, Wireshark i Burp Suite. Wydanie IV Kali Linux i zaawansowane testy penetracyjne. Zostań ekspertem cyberbezpieczeństwa za pomocą Metasploit, Nmap, Wireshark i Burp Suite. Wydanie IV
(0,00 zł najniższa cena z 30 dni)64.35 zł
99.00 zł(-35%) -
Ta książka jest przeznaczona dla programistów i osób zaawansowanych w nauce programowania. Dzięki niej nauczysz się uwzględniać w projektach narzędzia do obserwacji pracy kodu i analizować uzyskane dzięki nim dane o wydajności. Dowiesz się też, jak na podstawie takiego wnioskowania uzyskiwać znac...
Wydajność i optymalizacja kodu. Istota dynamiki działania oprogramowania Wydajność i optymalizacja kodu. Istota dynamiki działania oprogramowania
(0,00 zł najniższa cena z 30 dni)77.35 zł
119.00 zł(-35%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
W przypadku usługi "Druk na żądanie" termin dostarczenia przesyłki może obejmować także czas potrzebny na dodruk (do 10 dni roboczych)
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.


Oceny i opinie klientów: TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach Pete Warden, Daniel Situnayake (0)
Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.