Si vous débutez avec le Machine Learning (ML), ou plus particulièrement avec le Deep Learning (réseaux de neurones), implémenté pour microcontrôleurs , et si vous êtes déjà familiers avec TensorFlow alors ce livre de Pete Warden & Daniel Situnayake est fait pour vous.
Le livre fait plus de 460 pages. Il est édité chez O’Reilly au prix de 33 € en version brochée et 24 € en version électronique/numérique.
Les auteurs mettent à disposition, ici, gracieusement, des extraits des six premiers chapitres du livre, ce qui est largement suffisant pour vous faire une idée de son intérêt.
Les auteurs annoncent qu’aucune connaissance préalable n’est requise pour la compréhension de leur ouvrage, ni en ML, ni en systèmes embarqués. C’est évidemment très exagéré. Inutile d’en commencer la lecture si vous n’avez pas un peu de familiarité avec le temps réel et les réseaux de neurones ! mais vous n’avez nullement besoin d’être un expert du sujet.
Notez bien que ce livre ne traite pas du développement d’applications sur terminaux mobiles, IOS ou Android, non, il s’agit bien de microcontrôleurs !
Leur cible de référence est d’ailleurs le SparkFun Edge Development Board – Apollo3 Blue, au prix de 15$.
Microcontroller
- 32-bit ARM Cortex-M4F processor with Direct Memory Access
- 48MHz CPU clock, 96MHz with TurboSPOT™
- Extremely low-power usage: 6uA/MHz
- 1MB Flash
- 384KB SRAM
- Dedicated Bluetooth processor with BLE 5
Si vous préférez l’Arduino Nano 33 BLE Sense, ça marche aussi. Le prix est voisin.
The Arduino Nano 33 BLE Sense is based on the nRF52840 microcontroller.
| Microcontroller | nRF52840 (datasheet) |
| Operating Voltage | 3.3V |
| Input Voltage (limit) | 21V |
| DC Current per I/O Pin | 15 mA |
| Clock Speed | 64MHz |
| CPU Flash Memory | 1MB (nRF52840) |
| SRAM | 256KB (nRF52840) |
Le logiciel est TensorFlow Lite, la variante pour microcontrôleurs. Vous trouverez sur le site de TensorFlow la liste des plateformes supportées.
L’intérêt principal de ce livre est qu’il montre toutes les étapes pour développer un logiciel à base de Deep Learning (DL), de la conception à l’implémentation sur microcontrôleur pour effectuer des inférences.
Les exemples sont simples et bien documentés. Le code est disponible sur Github.
Les 60 premières pages du livre sont des généralités et/ou une introduction au DL avec TensorFlow (tf). Pour ceux qui veulent s’initier à tf, consultez notre site dédié à ce sujet. C’est donc ensuite que ça devient intéressant. C’est ce qui faut l’objet de notre prochain article.