タイニーエムエル

第4章 TinyMLの「ハロー・ワールド」：モデルの構築とトレーニング

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

章では、機械学習の基本概念と、機械学習プロジェクトがたどる一般化ワークフローを学んだ。この章と次の章では、学んだ知識を実践に移していく。ゼロからモデルを構築してトレーニングし、それをシンプルなマイクロコントローラー・プログラムに統合する。

その過程で、最先端の機械学習実践者が毎日使用している強力な開発者ツールを実際に使ってみることになる。また、機械学習モデルをC++プログラムに統合し、それをマイクロコントローラーにデプロイして回路に流れる電流を制御する方法も学ぶ。これは、ハードウェアとMLをミックスした初めての体験かもしれない！

これらの章で書いたコードは、Mac、Linux、Windowsマシンでテストすることができるが、完全な体験をするには、「必要なハードウェア」で述べた組み込みデバイスのいずれかが必要だ：

• Arduino Nano 33 BLEセンス

• スパークファン・エッジ

• STマイクロエレクトロニクス STM32F746Gディスカバリー・キット

機械学習モデルの作成には、Python、TensorFlow、そしてGoogleのColaboratoryを使用する。Colaboratoryは、Pythonコードを実験するためのクラウドベースの対話型ノートブックだ。これらは、実際の機械学習エンジニアにとって最も重要なツールであり、すべて無料で使用できる。

注

この章のタイトルが気になるだろうか？プログラミングの伝統として、新技術は非常に単純なことを行う方法を示すサンプルコードとともに紹介される。多くの場合、その単純な作業とは、"Hello, world "という言葉をプログラミングに出力させることである。MLには明確な等価性はないが、エンド・ツー・エンドのTinyMLアプリケーションの単純で読みやすい例を指すために、我々は "hello world "という言葉を使っている。

この章では、以下のことを行う：

1. 簡単なデータセットを入手する。

2. ディープラーニングモデルをトレーニングする。

3. モデルのパフォーマンスを評価する。

4. オンデバイスで動作するようにモデルを変換する。

5. デバイス上で推論を行うコードを書く。

6. コードをバイナリにビルドする。

7. バイナリをマイクロコントローラにデプロイする。

使用するコードはすべて、TensorFlowのGitHubリポジトリで公開されている。

この章の各パートを一通り読んでから、コードを実行してみることをお勧めする。その方法については、この章の途中に説明がある。しかしその前に、これから何を作ろうとしているのかを説明しよう。

何を作っているのか

第3章では、ディープラーニング・ネットワークがどのように学習データのパターンをモデル化し、予測を行えるようになるかを説明した。ここでは、非常に単純なデータをモデル化するためにネットワークを訓練する。おそらく正弦関数について聞いたことがあるだろう。三角法で直角三角形の性質を表すのに使われる。これから学習するデータは正弦波で、正弦関数の結果を時間と共にプロットしたグラフである（図4-1参照）。

我々の目標は、ある値、x 、その正弦、y を予測できるモデルを訓練することである。実際のアプリケーションでは、x の正弦が必要であれば、それを直接計算すればよい。しかし、結果を近似するモデルを訓練することで、マシン学習の基本を示すことができる。 ...