應用Arduino與低耗電微控制器

「想要瞭解如何在資源有限的設備上運行機器學習嗎？那就要看這本書，它是AI發展的里程碑。」
—Massimo Banzi
Arduino共同創辦人

「本書藉由清楚、有趣的用例來教你如何在Arm微控制器上部署ML。」
—Jem Davies
Arm機器學習集團副總裁、研究員和總經理

深度學習網路正在不斷縮小，而且比以前小太多了。Google Assistant偵測單字的模型只有14 KB，小到可在微控制器上運行。這本實用的書籍將引領你進入TinyML領域，結合深度學習和嵌入式系統，用微型設備產生驚人的效果。

Pete Warden和Daniel Situnayake將講解如何訓練可以放入任何環境的微型模型。對想要使用機器學習來建構嵌入式系統的軟體和硬體開發者來說，這是一本理想的指南，它將指引你逐步建立一系列的TinyML專案，而且你不需要具備機器學習或微控制器的經驗。

‧建立語音辨識器、人體偵測鏡頭及可以回應手勢的魔杖
‧活用Arduino和超低電力的微控制器
‧學習ML的基本概念及訓練自己的模型
‧訓練可以理解音訊、影像和加速度計資料的模型
‧探索Google為TinyML設計的工具組，TensorFlow Lite for Microcontrollers
‧為app進行除錯及保護隱私和安全
‧優化等待時間、耗電量、模型和二進制檔的大小

Pete Warden 是行動及嵌入式TensorFlow的技術主管，也是TensorFlow團隊的創始成員之一。他曾經是Jetpac的CTO和創始人，該公司在2014年被Google收購。

Daniel Situnayake 是Google的首席開發布道師，並且協助運作tinyML聚會小組。他也是Tiny Farms的共同創辦人，Tiny Farms是美國第一家大規模自動生產昆蟲蛋白的公司。

前言
第1章 簡介
第2章 入門
第3章 瞭解機器學習的最新進展
第4章 TinyML 的「Hello World」：建立與訓練模型
第5章 TinyML 的「Hello World」：建構 app
第6章 TinyML 的「Hello World」：部署至微控制器
第7章 喚醒詞偵測：建構app
第8章 喚醒詞偵測：訓練模型
第9章 人體偵測：建構 app
第10章 人體偵測：訓練模型
第11章 魔杖：建構 app
第12章 實用技巧
第13章 TensorFlow Lite for Microcontrollers
第14章 設計你自己的 TinyML app
第15章 優化等待時間
第16章 優化能量的使用
第17章 優化模型與二進制檔的大小
第18章 除錯
第19章 將模型從 TensorFlow 移植到 TensorFlow Lite
第20章 隱私、安全與部署
第21章 拓展知識
附錄 A 使用與產生 Arduino Library Zip
附錄 B 在 Arduino 採集音訊
索引