TinyML

Vorwort

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Solange ich mich erinnern kann, hat die Elektronik meine Fantasie beflügelt. Wir haben gelernt, Steine aus der Erde zu graben, sie auf geheimnisvolle Weise zu veredeln und eine schwindelerregende Anzahl von winzigen Bauteilen zu produzieren, die wir nach geheimnisvollen Gesetzen kombinieren, um ihnen eine Essenz des Lebens einzuhauchen.

Für mich als Achtjährigen waren eine Batterie, ein Schalter und eine Glühbirne schon faszinierend genug, ganz zu schweigen von dem Prozessor im Heimcomputer meiner Familie. Und im Laufe der Jahre habe ich ein gewisses Verständnis für die Prinzipien von Elektronik und Software entwickelt, die diese Erfindungen funktionieren lassen. Was mich aber immer wieder beeindruckt hat, ist die Art und Weise, wie ein System aus einfachen Elementen zusammenkommen kann, um etwas Subtiles und Komplexes zu schaffen, und Deep Learning hebt dies auf ein neues Niveau.

Eines der Beispiele in diesem Buch ist ein Deep Learning Netzwerk, das in gewisser Weise weiß, wie man sieht. Es besteht aus Tausenden von virtuellen "Neuronen", von denen jedes einigen einfachen Regeln folgt und eine einzige Zahl ausgibt. Jedes Neuron kann für sich genommen nicht viel, aber in Kombination und mit einem Funken menschlichen Wissens können sie einen Sinn in unserer komplexen Welt erkennen.

Diese Idee hat etwas Magisches: Einfache Algorithmen, die auf winzigen Computern aus Sand, Metall und Plastik laufen, können ein Fragment des menschlichen Verständnisses verkörpern. Das ist die Essenz von TinyML, einem Begriff, den Pete geprägt hat und den er in Kapitel 1 vorstellt. Auf den Seiten dieses Buches findest du die Werkzeuge, die du brauchst, um diese Dinge selbst zu bauen.

Danke, dass du unser Leser bist. Dies ist ein kompliziertes Thema, aber wir haben uns bemüht, die Dinge einfach zu halten und alle Konzepte zu erklären, die du brauchst. Wir hoffen, dir gefällt, was wir geschrieben haben, und wir sind gespannt, was du kreierst!

Daniel Situnayake

In diesem Buch verwendete Konventionen

In diesem Buch werden die folgenden typografischen Konventionen verwendet:

Kursiv

Weist auf neue Begriffe, URLs, E-Mail-Adressen, Dateinamen und Dateierweiterungen hin.

Constant width

Wird für Programmlistings sowie innerhalb von Absätzen verwendet, um auf Programmelemente wie Variablen- oder Funktionsnamen, Datenbanken, Datentypen, Umgebungsvariablen, Anweisungen und Schlüsselwörter hinzuweisen.

Constant width bold

Zeigt Befehle oder anderen Text an, der vom Benutzer wortwörtlich eingetippt werden sollte.

Constant width italic

Zeigt Text an, der durch vom Benutzer eingegebene Werte oder durch vom Kontext bestimmte Werte ersetzt werden soll.

Tipp

Dieses Element steht für einen Tipp oder eine Anregung.

Hinweis

Dieses Element steht für einen allgemeinen Hinweis.

Warnung

Dieses Element weist auf eine Warnung oder einen Warnhinweis hin.

Code-Beispiele verwenden

Zusätzliches Material (Code-Beispiele, Übungen usw.) steht unter https://tinymlbook.com/supplemental zum Download bereit .

Wenn du eine technische Frage oder ein Problem mit den Codebeispielen hast, sende bitte eine E-Mail an [e-mail].

Dieses Buch soll dir helfen, deine Arbeit zu erledigen. Wenn in diesem Buch Beispielcode angeboten wird, darfst du ihn in deinen Programmen und deiner Dokumentation verwenden. Du musst uns nicht um Erlaubnis fragen, es sei denn, du reproduzierst einen großen Teil des Codes. Wenn du zum Beispiel ein Programm schreibst, das mehrere Teile des Codes aus diesem Buch verwendet, brauchst du keine Erlaubnis. Der Verkauf oder die Verbreitung von Beispielen aus O'Reilly-Büchern erfordert jedoch eine Genehmigung. Die Beantwortung einer Frage durch das Zitieren dieses Buches und von Beispielcode erfordert keine Erlaubnis. Wenn du einen großen Teil des Beispielcodes aus diesem Buch in die Dokumentation deines Produkts aufnimmst, ist eine Genehmigung erforderlich .

Wir freuen uns über eine Namensnennung, verlangen sie aber in der Regel nicht. Eine Quellenangabe umfasst normalerweise den Titel, den Autor, den Verlag und die ISBN. Zum Beispiel: "TinyML von Pete Warden und Daniel Situnayake (O'Reilly). Copyright Pete Warden und Daniel Situnayake, 978-1-492-05204-3."

Wenn du der Meinung bist, dass die Verwendung von Code-Beispielen nicht unter die Fair-Use-Regelung oder die oben genannte Erlaubnis fällt, kannst du uns gerne unter [e-mail] kontaktieren .

O'Reilly Online Learning

Hinweis

Seit mehr als 40 Jahren bietet O'Reilly Media Schulungen, Wissen und Einblicke in Technologie und Wirtschaft, um Unternehmen zum Erfolg zu verhelfen.

Unser einzigartiges Netzwerk von Experten und Innovatoren teilt sein Wissen und seine Erfahrung durch Bücher, Artikel und unsere Online-Lernplattform. Die Online-Lernplattform von O'Reilly bietet dir On-Demand-Zugang zu Live-Trainingskursen, ausführlichen Lernpfaden, interaktiven Programmierumgebungen und einer umfangreichen Text- und Videosammlung von O'Reilly und über 200 anderen Verlagen. Weitere Informationen findest du unter http://oreilly.com.

Wie du uns kontaktierst

Bitte richte Kommentare und Fragen zu diesem Buch an den Verlag:

• O'Reilly Media, Inc.
• 1005 Gravenstein Highway Nord
• Sebastopol, CA 95472
• 800-998-9938 (in den Vereinigten Staaten oder Kanada)
• 707-829-0515 (international oder lokal)
• 707-829-0104 (Fax)

Wir haben eine Webseite für dieses Buch, auf der wir Errata, Beispiele und zusätzliche Informationen auflisten. Du kannst diese Seite unter https://oreil.ly/tiny aufrufen .

Schreib eine E-Mail an [e-mail], um Kommentare oder technische Fragen zu diesem Buch zu stellen.

Neuigkeiten und weitere Informationen zu unseren Büchern und Kursen findest du auf unserer Website unter http://www.oreilly.com.

Finde uns auf Facebook: http://facebook.com/oreilly

Folge uns auf Twitter: http://twitter.com/oreillymedia

Schau uns auf YouTube: http://www.youtube.com/oreillymedia

Danksagungen

Unser besonderer Dank gilt Nicole Tache für ihr wunderbares Lektorat, Jennifer Wang für ihr inspirierendes Zauberstab-Beispiel und Neil Tan für seine bahnbrechende Embedded ML-Arbeit mit der uTensor-Bibliothek. Wir hätten dieses Buch nicht ohne die professionelle Unterstützung von Rajat Monga und Sarah Sirajuddin schreiben können. Wir möchten auch unseren Partnern Joanne Ladolcetta und Lauren Ward für ihre Geduld danken.

Dieses Buch ist das Ergebnis der Arbeit von Hunderten von Menschen aus der Hardware-, Software- und Forschungswelt, insbesondere aus dem TensorFlow-Team. Wir können nur einige wenige erwähnen und entschuldigen uns bei allen, die wir übersehen haben, aber wir möchten uns bei ihnen bedanken: Mehmet Ali Anil, Alasdair Allan, Raziel Alvarez, Paige Bailey, Massimo Banzi, Raj Batra, Mary Bennion, Jeff Bier, Lukas Biewald, Ian Bratt, Laurence Campbell, Andrew Cavanaugh, Lawrence Chan, Vikas Chandra, Marcus Chang, Tony Chiang, Aakanksha Chowdhery, Rod Crawford, Robert David, Tim Davis, Hongyang Deng, Wolff Dobson, Jared Duke, Jens Elofsson, Johan Euphrosine, Martino Facchin, Limor Fried, Nupur Garg, Nicholas Gillian, Evgeni Gousev, Alessandro Grande, Song Han, Justin Hong, Sara Hooker, Andrew Howard, Magnus Hyttsten, Advait Jain, Nat Jeffries, Michael Jones, Mat Kelcey, Kurt Keutzer, Fredrik Knutsson, Nick Kreeger, Nic Lane, Shuangfeng Li, Mike Liang, Yu-Cheng Ling, Renjie Liu, Mike Loukides, Owen Lyke, Cristian Maglie, Bill Mark, Matthew Mattina, Sandeep Mistry, Amit Mittra, Laurence Moroney, Boris Murmann, Ian Nappier, Meghna Natraj, Ben Nuttall, Dominic Pajak, Dave Patterson, Dario Pennisi, Jahnell Pereira, Raaj Prasad, Frederic Rechtenstein, Vikas Reddi, Rocky Rhodes, David Rim, Kazunori Sato, Nathan Seidle, Andrew Selle, Arpit Shah, Marcus Shawcroft, Zach Shelby, Suharsh Sivakumar, Ravishankar Sivalingam, Rex St. John, Dominic Symes, Olivier Temam, Phillip Torrone, Stephan Uphoff, Eben Upton, Lu Wang, Tiezhen Wang, Paul Whatmough, Tom White, Edd Wilder-James, und Wei Xiao.