书籍摘要
《TinyML》是由Pete Warden和Daniel Situnayake合著的一本关于在嵌入式设备上运行机器学习（ML）模型的实用指南。本书面向有一定编程基础的开发者，旨在帮助读者掌握如何在资源受限的微控制器上部署和运行深度学习模型，从而实现智能、低功耗的边缘计算应用。
内容层次
第一部分：基础与入门
- 第1章：介绍了TinyML的概念及其应用场景，强调了低功耗、低成本的微控制器在物联网和边缘计算中的重要性。
- 第2章：详细介绍了开始TinyML项目的必备知识，包括硬件选择（如Arduino、SparkFun Edge等开发板）和软件工具（如TensorFlow Lite for Microcontrollers）的使用方法。
第二部分：核心概念与实践
- 第3章：深入讲解了机器学习的基本概念，包括模型训练、数据预处理、模型架构设计等，通过简单示例帮助读者理解深度学习的工作原理。
- 第4章：通过“Hello World”示例，展示了如何在微控制器上运行一个简单的机器学习模型，包括模型训练、转换和部署的完整流程。
第三部分：实际应用案例
- 第5章：介绍了如何在多种微控制器上部署和运行模型，包括Arduino Nano 33 BLE Sense、SparkFun Edge和STM32F746G Discovery Kit等。
- 第7章：探讨了语音唤醒词检测的应用，通过一个18 KB的模型实现对“yes”和“no”指令的识别，展示了TinyML在语音交互中的潜力。
- 第9章：介绍了基于视觉的人员检测应用，使用一个250 KB的卷积神经网络模型，通过摄像头输入实现对人员的实时检测。
第四部分：进阶与扩展
- 第10章：详细讲解了如何训练自己的视觉模型，包括数据集的准备、模型架构的选择和训练过程的优化。
- 第11章：通过“魔法棒”项目，展示了如何利用加速度传感器数据实现手势识别，进一步拓展了TinyML在交互式应用中的可能性。
书籍特色
- 实用性强：书中不仅讲解了理论知识，还提供了丰富的代码示例和详细的部署步骤，读者可以快速上手实践。
- 覆盖面广：涵盖了从基础概念到高级应用的多个方面，适合不同层次的读者学习。
- 紧跟前沿：介绍了最新的TinyML技术和工具，如TensorFlow Lite for Microcontrollers，帮助读者掌握行业最新动态。
适用人群
- 嵌入式系统开发者：希望在微控制器上实现智能功能的工程师。
- 机器学习爱好者：对将深度学习应用于边缘设备感兴趣的开发者。
- 物联网从业者：致力于开发低功耗、高效率的智能物联网产品的团队。
《TinyML》是一本全面而深入的指南，适合那些希望在嵌入式设备上实现机器学习功能的开发者。通过本书，读者可以掌握从模型训练到部署的全过程，开启在微控制器上运行深度学习模型的新旅程。
