CHAPTER 1 서론
1.1 임베디드 장치
1.2 생태계 변화
CHAPTER 2 시작하기
2.1 이 책의 대상 독자
2.2 개발에 필요한 하드웨어
2.3 개발에 필요한 소프트웨어
2.4 이 책에서 배울 내용
CHAPTER 3 머신러닝 빠르게 훑어보기
3.1 머신러닝이란 무엇인가
3.2 딥러닝 워크플로
3.3 마치며
CHAPTER 4 TinyML ‘Hello World’ 시작하기: 모델 구축과 훈련
4.1 만들고자 하는 시스템
4.2 머신러닝 도구
4.3 모델 구축하기
4.4 모델 학습시키기
4.5 텐서플로 라이트용 모델 변환
4.6 마치며
CHAPTER 5 TinyML ‘Hello World’: 애플리케이션 구축
5.1 테스트 작성
5.2 프로젝트 파일 구조
5.3 소스 코드 살펴보기
5.4 마치며
CHAPTER 6 TinyML ‘Hello World’: 마이크로컨트롤러에 배포하기
6.1 마이크로컨트롤러란 무엇인가
6.2 아두이노
6.3 스파크펀 에지
6.4 ST마이크로 STM32F746G 디스커버리 키트
6.5 마치며
CHAPTER 7 호출어 감지: 애플리케이션 만들기
7.1 만들고자 하는 시스템
7.2 애플리케이션 아키텍처
7.3 테스트 코드
7.4 호출어 듣기
7.5 마이크로컨트롤러에 배포하기
7.6 마치며
CHAPTER 8 호출어 감지: 모델 훈련하기
8.1 새로운 모델 훈련
8.2 프로젝트에서 모델 사용
8.3 모델 작동 방식
8.4 나만의 데이터로 훈련하기
8.5 마치며
CHAPTER 9 인체 감지: 애플리케이션 만들기
9.1 만들고자 하는 시스템
9.2 애플리케이션 아키텍처
9.3 테스트 코드
9.4 인체 감지
9.5 마이크로컨트롤러 배포
9.6 마치며
CHAPTER 10 인체 감지: 모델 훈련하기
10.1 연산 환경 선택
10.2 구글 클라우드 플랫폼 인스턴스 설정
10.3 훈련 프레임워크 선택
10.4 데이터셋 구축
텐서플로 라이트로 알아보는 임베디드 머신러닝의 가능성
마이크로컨트롤러에서 머신러닝을 실행할 수 있게 된 것은 비교적 최근 일이며 이 분야는 초기 단계에 있습니다. 머신러닝에는 여러 가지 접근 방식이 있지만 가장 인기 있는 방식은 딥러닝입니다. 이 책의 예제는 딥러닝을 중심으로 합니다. 딥러닝은 마이크로컨트롤러에 적합한 문제를 해결하기 위한 유연하고 강력한 도구입니다. 제한된 메모리와 저성능 장치에서도 딥러닝이 작동할 수 있다는 것을 알면 놀랄 수도 있습니다. 실제로 이 책을 통해 정말 놀라운 일을 해내면서도 작은 장치의 제약 조건에 맞는 딥러닝 모델을 만드는 방법을 배우게 될 것입니다.
이 책에는 딥러닝을 연구에서 끝내지 않고 제품까지 이어가기 위한 텐서플로 팀의 고민이 잘 녹아 있습니다. 정확도를 최대한 유지하면서 모델을 경량화하고, 저전력 환경에서 모델을 실행하고, 성능이 낮아 모델을 실행하기 어려운 컴퓨팅 환경에서 모델을 동작시키는 방법을 텐서플로 라이트로 예제를 실행하며 배워보세요.
이 책을 다 읽고 덮을 때, 현재 임베디드 시스템에서 머신러닝을 사용하여 가능한 것이 무엇인지, 앞으로 몇 년 동안 무엇이 실현 가능할지에 대한 아이디어를 얻을 수 있기를 바랍니다.
이 책에서 다루는 내용
● 마이크로컨트롤러용 텐서플로 라이트
● 오디오, 이미지, 가속도계 데이터로 머신러닝(딥러닝 모델 학습
● 음성 인식, 제스처 인식 등 임베디드 기기에서 작동하는 머신러닝 애플리케이션
● 아두이노를 비롯한 저전력 마이크로컨트롤러에 머신러닝 탑재
● 지연, 에너지 사용, 모델 크기, 바이너리 크기 최적화 기법
● 머신러닝 필수 사항과 자신만의 모델 훈련 방법
● 애플리케이션 디버깅, 개인 정보 보호, 보안을 고려한 설계 노하우
