|
|
|
|
| LEADER |
02921nmm a2200409 u 4500 |
| 001 |
EB002167027 |
| 003 |
EBX01000000000000001306042 |
| 005 |
00000000000000.0 |
| 007 |
cr||||||||||||||||||||| |
| 008 |
230704 ||| pol |
| 020 |
|
|
|a 9788328383630
|
| 050 |
|
4 |
|a Q325.5
|
| 100 |
1 |
|
|a Warden, Pete
|
| 130 |
0 |
|
|a TinyML.
|
| 245 |
0 |
0 |
|a TinyML
|b wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
|c Pete Warden, Daniel Situnayake ; przekład, Anna Mizerska
|
| 250 |
|
|
|a [First edition]
|
| 260 |
|
|
|a Gliwice
|b Helion
|c 2022
|
| 300 |
|
|
|a 432 pages
|b illustrations
|
| 653 |
|
|
|a Microcontrôleurs
|
| 653 |
|
|
|a Machine learning / http://id.loc.gov/authorities/subjects/sh85079324
|
| 653 |
|
|
|a Signal processing / Digital techniques / fast
|
| 653 |
|
|
|a Machine learning / fast
|
| 653 |
|
|
|a Signal processing / Digital techniques / http://id.loc.gov/authorities/subjects/sh85122398
|
| 653 |
|
|
|a Apprentissage automatique
|
| 653 |
|
|
|a Microcontrollers / fast
|
| 653 |
|
|
|a Traitement du signal / Techniques numériques
|
| 653 |
|
|
|a Microcontrollers / http://id.loc.gov/authorities/subjects/sh2008020006
|
| 653 |
|
|
|a TensorFlow / http://id.loc.gov/authorities/names/n2019020612
|
| 700 |
1 |
|
|a Situnayake, Daniel
|e author
|
| 700 |
1 |
|
|a Mizerska, Anna
|e translator
|
| 041 |
0 |
7 |
|a pol
|2 ISO 639-2
|
| 989 |
|
|
|b OREILLY
|a O'Reilly
|
| 776 |
|
|
|z 8328383632
|
| 776 |
|
|
|z 9788328383630
|
| 856 |
4 |
0 |
|u https://learning.oreilly.com/library/view/~/9788328383630/?ar
|x Verlag
|3 Volltext
|
| 082 |
0 |
|
|a 006.3/1
|
| 520 |
|
|
|a 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
|