分類彙整: TensorFlow

好書推薦：《TinyML｜TensorFlow Lite 機器學習》

TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers 繁體中文版

最近終於把這本書讀完一遍了，不過還沒嘗試執行書中的範例程式，等有空時再來試試：）

這本書裡用來執行範例程式的硬體開發板有：

  • Arduino Nano 33 BLE Sense
  • SparkFun Edge
  • ST Microelectronics STM32F746G Discovery kit

不過現在 TensorFlow Lite for Microcontrollers 也支援 ESP32 了，所以沒有上述的硬體開發板也沒關係，可以用 ESP32 來試試看。

書開頭的幾章先用「Hello World」範例帶領讀者走一遍完整的開發流程（從建立與訓練模型開始，然後執行程式，再到部署至微控制器），「Hello World」範例的功能其實很簡單，就是模擬正弦 (sin) 信號而已。

之後的章節陸續講解了喚醒詞偵測 (yes/no)、人體偵測、魔杖(手勢) 等功能的程式建構與模型訓練。

最後幾章講了 TensorFlow Lite for Microcontrollers 使用上要注意的地方，還有優化、除錯、移植等相關的技巧，最後還有提到安全與隱私方面的議題。

這本書厲害的地方是：我覺得作者在概念與基礎知識的講解上算是淺顯易懂，所以蠻推薦對 TinyML 有興趣的人來讀讀看這本書。

★ 2021 年 3 月時的補充說明：Raspberry Pi 基金會在 2021 年 1 月時推出了 Raspberry Pi Pico 開發板，而《TinyML｜TensorFlow Lite 機器學習》的作者之一 Pete Warden 也在稍後將 TensorFlow Lite Micro 移植到了 Pi Pico 上，Pi Pico 的價格很便宜，而且很容易購買到，所以使用 Pi Pico 來製作 TinyML 應用的原型應該也是不錯的選擇。

試玩 Coral USB Accelerator

我不久前買了 Google 出的 Edge TPU 裝置：Coral USB Accelerator 來玩玩看，覺得這玩意非常不錯，台幣兩千多元，可以跑 TensorFlow Lite 格式的模型，我個人是覺得還蠻划算的。

我先用 Raspberry Pi 3 Model B+ 來測試 Pose Detection 模型，一開始使用預設的解析度：640×480，繪製的速度不是很理想，影片如下：

然後我把解析度設定成：480×360，繪製的速度有加快，但還是不盡理想，所以後來我改用一台 2013 年買的小筆電來跑，這次繪製的速度就相當不錯了，影片如下：

這台小筆電的規格為：CPU 是 Intel Celeron(R) CPU 847 @ 1.10GHz，記憶體 4GB，作業系統是 Debian 10 (buster) amd64 版，且有 USB 3 的插孔。

Raspberry Pi 3 Model B+ 除了 CPU 速度較慢之外，也沒有 USB 3 的插孔，所以整體上慢了一大截。但是前陣子出的 Raspberry Pi 4 Model B 有 USB 3 插孔，我已經訂了一台 Pi 4，等收到貨後再測試看看繪製速度是否有提升。

# 2019 年 11月 3 日補充： 我在 Raspberry Pi 4 (4GB 記憶體版本) 上測試了 Coral PoseNet，測試結果請看以下影片，TrueFPS 維持在 20.x 以上：

然後我還有嘗試 Object detection 與 MiniGo 圍棋：

Coral 官方網站也提供了好幾個已編譯好的模型讓人下載：https://coral.withgoogle.com/models/ ，可以先從這些模型開始玩起。

感想：這種 Edge TPU 裝置可以做很多有趣的應用，而且價格不算貴，有興趣的人快去買來玩玩看！