

TinyML Wykorzystanie TensorFlow Pete Warden

Parametry
- Stan
- Nowy
- Faktura
- Faktura VAT
- Wydawnictwo
- Helion
- Język
- polski
- Okładka
- miękka
- Waga (z opakowaniem)
- 0,15 kg
- Wysokość produktu
- 23,7 cm
- Szerokość produktu
- 16,8 cm
- Numer wydania
- 1
- Autor
- Helion
- Liczba stron
- 432
- Tytuł
- TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
- Rok wydania
- 2 019
- ISBN
- 9788328383623
- Nośnik
- książka papierowa
- Gatunek
- Programowanie
Opis produktu

TinyML. Wykorzystanie TensorFlow
Autor: Daniel Situnayake, Pete Warden
EAN: 9788328383623
Typ publikacji: książka
Strony: 432
SID: 3203939
TinyML. Wykorzystanie TensorFlow
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 danychOgraniczone zasoby? Poznaj TinyML!
