Avis des lecteurs
Résumé:Ce livre constitue une ressource pratique pour les développeurs intéressés par le déploiement de l'apprentissage automatique sur des appareils aux ressources limitées, avec des exemples pratiques centrés sur TensorFlow et l'edge computing. Cependant, il souffre de ressources obsolètes et d'un support limité pour les utilisateurs de Windows, ce qui peut le rendre difficile pour certains lecteurs.
Avantages:Bien écrit et attrayant, accessible aux développeurs de tous niveaux.
Inconvénients:Approche pratique et concrète avec des démonstrations et des exemples dans Google Colab.
(basé sur 40 avis de lecteurs)
Titre original :
Tinyml: Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers
Contenu du livre :
Les réseaux d'apprentissage profond deviennent de plus en plus petits. Beaucoup plus petits. L'équipe de Google Assistant peut détecter des mots avec un modèle d'une taille de 14 kilooctets seulement, suffisamment petit pour fonctionner sur un microcontrôleur. Ce livre pratique vous permettra d'entrer dans le domaine du TinyML, où l'apprentissage profond et les systèmes embarqués se combinent pour rendre possible des choses étonnantes avec des appareils minuscules.
Pete Warden et Daniel Situnayake expliquent comment former des modèles suffisamment petits pour s'intégrer dans n'importe quel environnement. Idéal pour les développeurs de logiciels et de matériel qui souhaitent construire des systèmes embarqués à l'aide de l'apprentissage automatique, ce guide vous accompagne pas à pas dans la création d'une série de projets TinyML. Aucune expérience en apprentissage automatique ou en microcontrôleur n'est nécessaire.
⬤ Construisez un système de reconnaissance vocale, une caméra qui détecte les personnes et une baguette magique qui réagit aux gestes.
⬤ Travaillez avec Arduino et des microcontrôleurs à très faible consommation d'énergie.
⬤ Apprenez les bases du ML et comment entraîner vos propres modèles.
⬤ Entraînez des modèles pour comprendre des données audio, des images et des données d'accéléromètre.
⬤ Explorez TensorFlow Lite pour microcontrôleurs, la boîte à outils de Google pour TinyML.
⬤ Déboguer les applications et fournir des garanties en matière de confidentialité et de sécurité.
⬤ Optimiser la latence, la consommation d'énergie, la taille des modèles et des binaires.
Autres informations sur le livre :
| ISBN : | 9781492052043 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2020 |
| Nombre de pages : | 504 |
Achat:
Actuellement disponible, en stock.
