텐서플로 라이트를 활용한 마이크로컨트롤러 머신러닝 AI 음성비서 서비스를 만드는 구글 어시스턴트 팀은 불과 14KB짜리 모델을 사용해 “OK 구글”이란 말을 인식한다. 이는 마이크로컨트롤러에도 탑재 가능한 용량이다. 초소형 머신러닝 ‘TinyML’은 딥러닝과 임베디드 시스템의 결합으로 작은 기기에 음성 인식, 제스처 감지 등 놀라운 능력을 부여한다. 이 책은 어떠한 환경에도 적용할 수 있는 작은 모델을 훈련하는 방법을 담고 있다. 머신러닝이나 마이크로컨트롤러를 다룬 경험이 없어도 다양한 프로젝트를 단계별로 따라 하다 보면 실무 활용 능력을 키울 수 있을 것이다.
구글의 모바일, 임베디드 텐서플로 기술 책임자다. 애플에서 근무한 이후 제트팩(Jetpac)의 CTO이자 창업자로 일하다가 2014년에 제트팩이 구글에 인수되며 구글에 합류했다. 피트 워든은 텐서플로 팀의 창립 멤버이며 트위터에서 @petewarden으로 활동 중이고 실용적인 딥러닝 블로그 https://petewarden.com을 운영하고 있다.
CHAPTER 1 서론1.1 임베디드 장치1.2 생태계 변화CHAPTER 2 시작하기2.1 이 책의 대상 독자2.2 개발에 필요한 하드웨어2.3 개발에 필요한 소프트웨어2.4 이 책에서 배울 내용CHAPTER 3 머신러닝 빠르게 훑어보기3.1 머신러닝이란 무엇인가3.2 딥러닝 워크플로3.3 마치며CHAPTER 4 TinyML ‘Hello World’ 시작하기: 모델 구축과 훈련4.1 만들고자 하는 시스템4.2 머신러닝 도구4.3 모델 구축하기4.4 모델 학습시키기4.5 텐서플로 라이트용 모델 변환4.6 마치며CHAPTER 5 TinyML ‘Hello World’: 애플리케이션 구축5.1 테스트 작성5.2 프로젝트 파일 구조5.3 소스 코드 살펴보기5.4 마치며CHAPTER 6 TinyML ‘Hello World’: 마이크로컨트롤러에 배포하기6.1 마이크로컨트롤러란 무엇인가6.2 아두이노6.3 스파크펀 에지6.4 ST마이크로 STM32F746G 디스커버리 키트6.5 마치며CHAPTER 7 호출어 감지: 애플리케이션 만들기7.1 만들고자 하는 시스템7.2 애플리케이션 아키텍처7.3 테스트 코드7.4 호출어 듣기7.5 마이크로컨트롤러에 배포하기7.6 마치며CHAPTER 8 호출어 감지: 모델 훈련하기8.1 새로운 모델 훈련8.2 프로젝트에서 모델 사용8.3 모델 작동 방식8.4 나만의 데이터로 훈련하기8.5 마치며CHAPTER 9 인체 감지: 애플리케이션 만들기9.1 만들고자 하는 시스템9.2 애플리케이션 아키텍처9.3 테스트 코드9.4 인체 감지9.5 마이크로컨트롤러 배포9.6 마치며CHAPTER 10 인체 감지: 모델 훈련하기10.1 연산 환경 선택10.2 구글 클라우드 플랫폼 인스턴스 설정10.3 훈련 프레임워크 선택10.4 데이터셋 구축하기10.5. 모델 훈련하기10.6 텐서보드10.7 모델 평가하기10.8 텐서플로 라이트로 모델 내보내기10.9 다른 카테고리 훈련10.10 아키텍처 이해10.11 마치며CHAPTER 11 마술 지팡이: 애플리케이션 만들기11.1 만들고자 하는 시스템11.2 애플리케이션 아키텍처11.3 단계별 테스트11.4 제스처 감지11.5 마이크로컨트롤러에 배포11.6 마치며CHAPTER 12 마술 지팡이: 모델 훈련하기12.1 모델 훈련하기12.2 모델의 작동 방식12.3 나만의 데이터로 훈련하기12.4 마치며CHAPTER 13 마이크로컨트롤러용 텐서플로 라이트13.1 마이크로컨트롤러용 텐서플로 라이트란 무엇인가13.2 빌드 시스템13.3 새로운 하드웨어 플랫폼 지원13.4 새로운 IDE나 빌드 시스템 지원13.5 프로젝트와 저장소 간 코드 변경 사항 통합13.6 오픈소스에 기여13.7 새로운 하드웨어 가속기 지원13.8 파일 포맷 이해13.9 텐서플로 라이트 모바일 작업을 Micro에 포팅하기13.10 마치며CHAPTER 14 자신만의 TinyML 애플리케이션 설계하기14.1 설계 과정14.2 마이크로컨트롤러가 필요할까, 더 큰 장치가 필요할까?14.3 무엇이 가능한지 이해하기14.4 다른 사람의 발자취 따르기14.5 훈련할 모델 찾기14.6 데이터 관찰14.7 오즈의 마법사 방법론14.8 데스크톱에서 먼저 작동시키기CHAPTER 15 지연 최적화15.1 정말 중요한 문제인지 확인하기15.2 하드웨어 변경15.3 모델 개선15.4 양자화15.5 제품 설계15.6 코드 최적화15.7 연산 최적화15.8 오픈소스에 기여15.9 마치며CHAPTER 16 에너지 사용 최적화16.1 직관 기르기16.2 실제 전력 소모 측정하기16.3 모델의 전력 사용량 추정16.4 전력 소모 개선16.5 마치며CHAPTER 17 모델과 바이너리 크기 최적화17.1 시스템의 한계 이해17.2 메모리 사용 측정17.3 다양한 문제에 대한 모델 정확도와 크기17.4 모델 선택17.5 실행 파일 크기 줄이기17.6 정말로 작은 모델17.7 마치며CHAPTER 18 디버깅18.1 훈련과 배포 사이 정확도 손실18.2 수치의 차이18.3 알 수 없는 충돌과 중단18.4. 마치며CHAPTER 19 텐서플로에서 텐서플로 라이트로 모델 포팅하기19.1 필요한 Op 이해19.2 텐서플로 라이트의 기존 Op 범위 살펴보기19.3 전처리 및 후처리를 애플리케이션 코드로 이동19.4 Op의 구현19.5 Op 최적화19.6 마치며CHAPTER 20 개인 정보, 보안, 배포20.1 개인 정보20.2 보안20.3 배포20.4 마치며CHAPTER 21 파도를 따라잡기 위하여21.1 TinyML 재단21.2 SIG Micro21.3 텐서플로 웹사이트21.4 그 밖의 프레임워크21.5 트위터21.6 TinyML의 친구들21.7 마치며부록 A 아두이노 라이브러리 Zip 사용과 생성부록 B 아두이노에서 오디오 받기
