結合人工智慧與超低功耗嵌入式裝置，讓這個世界更聰明
本書介紹TinyML這項快速發展的技術，結合了機器學習與嵌入式系統，讓微控制器這類超低功耗裝置上得以實現AI。在開頭會先針對這個整合了諸多學科的領域進行了相當實用的介紹，讓您可快速理解要在Arduino Nano 33 BLE Sense與Raspberry Pi Pico上部署智能應用的關鍵點。
本書可以幫助你了解如何處理在製作微處理器原型時所碰到的各種問題，例如透過GPIO腳位來控制LED狀態、讀取按鈕狀態，以及透過電池來對微處理器供電。並且會帶著你實作與溫度、濕度與三V感測器(語音、視覺與振動)有關的專題，並從中理解在不同情境中實作端對端智能應用的必要技術。接著，告訴你如何為記憶體有限的微處理器來建置微型模型的最佳方案。最後會介紹兩項最新的技術：microTVM 與microNPU，讓你在TinyML領域中更上一層樓。
看完本書之後，可以幫助你建立各種最佳實作方案與機器學習框架的基本概念，知道如何輕鬆在各種微控制器上部署機器學習app，並且對於開發階段所要考量的關鍵因素有清楚的理解。
本書精彩內容包括：
．理解微控制器程式設計的重要基礎觀念
．操作真實感測器，包含麥克風、照相機與加速度計
．運用TensorFlow Lite for Microcontrollers框架在各種裝置上執行機器學習應用
．使用Edge Impulse開發可回應人類語音的app
．操作Arduino Nano 33 BLE Sense並搭配遷移學習技術來分類室內環境。
．使用Raspberry Pi Pico來製作手勢辨識app
．設計可用於記憶體受限之微控制器的CIFAR-10模型
．在虛擬的Arm Ethos-U55 microNPU上搭配microTVM來執行影像分類器
作者
Gian Marco Iodice
是Arm公司機器學習小組的技術主管，並在2017年與同事開發出了Arm Compute Library。Arm Compute Library目前是Arm平台上功能最強大的機器學習函式庫，已被部署在涵蓋伺服器到智慧型手機等全球數以百萬計的裝置上了。Gian Marco擁有義大利比薩大學(University of Pisa)的電機工程碩士學位與高等學士學位，並在各種邊緣裝置上開發ML與電腦視覺演算法有多年經驗。他現在正致力於Arm Mali GPU的ML效能最佳化。他與友人在2020年共同創辦了TinyML UK meetup群組，鼓勵知識分享、教學與激勵新一代的ML開發者來探索各種微型節能裝置。
目錄
第1章 TinyML入門
第2章 用微控制器開發原型
第3章 建立氣象站
第4章 透過 Edge Impulse 聲控 LED
第5章 室內場景分類
第6章 製作 YouTube Playback的手勢互動介面
第7章 使用 Zephyr OS 執行 Tiny CIFAR-10 模型
第8章 與 microNPU 一同邁向 TinyML新世代
序／導讀
序
本書內容是TinyML，這項快速發展的技術結合了機器學習（machine learning, ML）與嵌入式系統，使得在微控制器這類超低功耗裝置上得以實現AI。
TinyML是充滿各種機會且令人心喜的全新領域。只要少量預算，我們就能賦予各種物體新生命，使它們能以更富智能的方式來與世界互動，並讓我們的生活方式變得更好。不過，如果你的技術背景是機器學習但對於微控制器這類嵌入式系統還不太熟悉的話，這個領域可能會難以入門。因此，本書的目標是為你掃除這些障礙，透過許多實務範例讓原本不具備嵌入式程式經驗的開發者也能輕鬆上手TinyML。每章都包含了獨立的專案，讓你可從中學習某種TinyML的最核心技術、介接感測器等電子元件，並把ML模型部署在記憶體有限的裝置上。
本書首先針對了這個整合了諸多學科的領域進行了相當實用的介紹，讓你可快速理解要在 Arduino Nano 33 BLE Sense 與 Raspberry Pi Pico 上部署智能應用的關鍵點。隨著本書內容，你會知道如何處理在製作微處理器原型時所碰到的各種問題，例如透過GPIO腳位來控制LED狀態、讀取按鈕狀態，以及透過電池來對微處理器供電。之後，你會實作與溫度、濕度與三V感測器（語音、視覺與振動）有關的專題，並從中理解在不同情境中實作端對端智能應用的必要技術。接著，你會學會如何為記憶體有限的微處理器來建置微型模型的最佳方案。最後，你還會認識兩款最新的技術：microTVM 與microNPU，讓你在TinyML領域中更上一層樓。
閱畢本書之後，你應該會對各種最佳實作方案與機器學習框架相當熟悉了，知道如何輕鬆在各種微控制器上部署機器學習app，並且對於開發階段所要考量的關鍵因素有清楚的理解。
