TensorFlow AI移動項(xiàng)目開發(fā)實(shí)戰(zhàn)

定　價(jià)：￥109.00

作　者：	[美]杰夫·唐（Jeff Tang）
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111712664	出版時(shí)間：	2022-09-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　使用TensorFlow為多個(gè)移動平臺構(gòu)建智能深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)應(yīng)用程序。本書涵蓋了10余個(gè)由TensorFlow提供支持并從頭開始構(gòu)建的完整iOS、Android和樹莓派應(yīng)用程序，可在設(shè)備上離線運(yùn)行各種TensorFlow模型：從計(jì)算機(jī)視覺、語音識別和自然語言處理到生成對抗網(wǎng)絡(luò)以及AlphaZero（如深度強(qiáng)化學(xué)習(xí)）。你將學(xué)習(xí)如何使用或再訓(xùn)練現(xiàn)有的模型、構(gòu)建模型以及開發(fā)能運(yùn)行這些模型的智能移動應(yīng)用程序，并通過分步教程快速掌握如何構(gòu)建此類應(yīng)用程序，同時(shí)學(xué)會利用大量寶貴的故障排除技巧來避免實(shí)現(xiàn)過程中的許多陷阱。

作者簡介

　　關(guān)于作者20多年前，Jeff Tang喜愛上了經(jīng)典的人工智能。在獲得計(jì)算機(jī)科學(xué)碩士學(xué)位之后，從事了幾年的機(jī)器翻譯研究工作，然后在人工智能發(fā)展的低迷期，他在初創(chuàng)公司及美國在線、百度和高通等公司從事企業(yè)應(yīng)用程序、語音應(yīng)用程序、網(wǎng)頁應(yīng)用程序和移動應(yīng)用程序等研究工作。他開發(fā)了一款暢銷的iOS應(yīng)用程序，下載量達(dá)到數(shù)百萬次，還被Google公司認(rèn)定為Android市場top開發(fā)者。在2015年重返現(xiàn)代人工智能領(lǐng)域，并堅(jiān)信在未來20年中人工智能將是其全部的激情與目標(biāo)。他*喜歡的一個(gè)話題就是要讓人工智能隨時(shí)隨地可用，因此本書應(yīng)運(yùn)而生。

圖書目錄

目錄
原書序
原書前言
關(guān)于作者
關(guān)于技術(shù)審校者
第1章移動TensorFlow入門
1.1TensorFlow的安裝
1.1.1在MacOS上安裝TensorFlow
1.1.2在GPU驅(qū)動的Ubuntu操作系統(tǒng)上安裝TensorFlow
1.2Xcode的安裝
1.3Android Studio的安裝
1.4TensorFlow Mobile與TensorFlow Lite對比
1.5運(yùn)行TensorFlow iOS示例應(yīng)用程序
1.6運(yùn)行TensorFlow Android示例應(yīng)用程序
1.7小結(jié)
第2章基于遷移學(xué)習(xí)的圖像分類
2.1遷移學(xué)習(xí)的基本原理與應(yīng)用
2.2利用Inception v3模型進(jìn)行再訓(xùn)練
2.3利用MobileNet模型進(jìn)行再訓(xùn)練
2.4再訓(xùn)練模型在iOS示例應(yīng)用程序中的應(yīng)用
2.5再訓(xùn)練模型在Android示例應(yīng)用程序中的應(yīng)用
2.6在iOS應(yīng)用程序中添加TensorFlow
2.6.1在Objective-C的iOS應(yīng)用程序中添加TensorFlow
2.6.2在Swift的iOS應(yīng)用程序中添加TensorFlow
2.7在Android應(yīng)用程序中添加TensorFlow
2.8小結(jié)
第3章目標(biāo)檢測與定位
3.1目標(biāo)檢測概述
3.2TensorFlow目標(biāo)檢測API的安裝
3.2.1快速安裝和示例
3.2.2預(yù)訓(xùn)練模型的應(yīng)用
3.3SSD-MobileNet和Faster RCNN再訓(xùn)練模型
3.4在iOS中使用目標(biāo)檢測模型
3.4.1手動構(gòu)建TensorFlow iOS庫
3.4.2在應(yīng)用程序中使用TensorFlow iOS庫
3.4.3為iOS應(yīng)用程序添加目標(biāo)檢測功能
3.5YOLO2應(yīng)用：另一種目標(biāo)檢測模型
3.6小結(jié)
第4章圖像藝術(shù)風(fēng)格遷移
4.1神經(jīng)風(fēng)格遷移概述
4.2快速神經(jīng)風(fēng)格遷移模型訓(xùn)練
4.3在iOS中應(yīng)用快速神經(jīng)風(fēng)格遷移模型
4.3.1添加并測試快速神經(jīng)風(fēng)格遷移模型
4.3.2應(yīng)用快速神經(jīng)風(fēng)格遷移模型的iOS代碼分析
4.4在Android中應(yīng)用快速神經(jīng)風(fēng)格遷移模型
4.5在iOS中應(yīng)用TensorFlow Magenta多風(fēng)格模型
4.6在Android中應(yīng)用TensorFlow Magenta多風(fēng)格模型
4.7小結(jié)
第5章理解簡單語音命令
5.1語音識別概述
5.2訓(xùn)練簡單的命令識別模型
5.3在Android中應(yīng)用簡單的語音識別模型
5.3.1通過模型構(gòu)建新的應(yīng)用程序
5.3.2顯示模型驅(qū)動的識別結(jié)果
5.4在基于Objective-C的iOS中應(yīng)用簡單的語音識別模型
5.4.1通過模型構(gòu)建新的應(yīng)用程序
5.4.2利用tf_op_files.txt文件修正模型加載錯(cuò)誤
5.5在基于Swift的iOS中應(yīng)用簡單的語音識別模型
5.6小結(jié)
第6章基于自然語言的圖像標(biāo)注
6.1圖像標(biāo)注的工作原理
6.2訓(xùn)練和凍結(jié)圖像標(biāo)注模型
6.2.1訓(xùn)練和測試標(biāo)注生成
6.2.2凍結(jié)圖像標(biāo)注模型
6.3轉(zhuǎn)換和優(yōu)化圖像標(biāo)注模型
6.3.1利用轉(zhuǎn)換模型修正誤差
6.3.2優(yōu)化轉(zhuǎn)換模型
6.4在iOS中應(yīng)用圖像標(biāo)注模型
6.5在Android中應(yīng)用圖像標(biāo)注模型
6.6小結(jié)
第7章基于CNN和LSTM的繪圖識別
7.1繪圖分類的工作原理
7.2訓(xùn)練、預(yù)測和準(zhǔn)備繪圖分類模型
7.2.1訓(xùn)練繪圖分類模型
7.2.2利用繪圖分類模型進(jìn)行預(yù)測
7.2.3準(zhǔn)備繪圖分類模型
7.3在iOS中應(yīng)用繪圖分類模型
7.3.1構(gòu)建iOS的自定義TensorFlow庫
7.3.2開發(fā)使用模型的iOS應(yīng)用程序
7.4在Android中應(yīng)用繪圖分類模型
7.4.1構(gòu)建Android的自定義TensorFlow庫
7.4.2開發(fā)使用模型的Android應(yīng)用程序
7.5小結(jié)
第8章基于RNN的股票價(jià)格預(yù)測
8.1RNN和股票價(jià)格預(yù)測的工作原理
8.2利用TensorFlow RNN API進(jìn)行股票價(jià)格預(yù)測
8.2.1在TensorFlow中訓(xùn)練RNN模型
8.2.2測試TensorFlow RNN模型
8.3利用Keras RNN LSTM API進(jìn)行股票價(jià)格預(yù)測
8.3.1在Keras中訓(xùn)練RNN模型
8.3.2測試Keras RNN模型
8.4在iOS上運(yùn)行TensorFlow和Keras模型
8.5在Android上運(yùn)行TensorFlow和Keras模型
8.6小結(jié)
第9章基于GAN的圖像生成與增強(qiáng)
9.1GAN的工作原理
9.2基于TensorFlow構(gòu)建和訓(xùn)練GAN模型
9.2.1生成手寫體數(shù)字的基本GAN模型
9.2.2提高圖像分辨率的改進(jìn)GAN模型
9.3在iOS中應(yīng)用GAN模型
9.3.1基本GAN模型應(yīng)用
9.3.2改進(jìn)GAN模型應(yīng)用
9.4在Android中應(yīng)用GAN模型
9.4.1基本GAN模型應(yīng)用
9.4.2改進(jìn)GAN模型應(yīng)用
9.5小結(jié)
第10章移動設(shè)備上類AlphaZero的游戲應(yīng)用程序開發(fā)
10.1AlphaZero的工作原理
10.2訓(xùn)練和測試用于Connect 4游戲的類AlphaZero模型
10.2.1訓(xùn)練模型
10.2.2測試模型
10.2.3分析建模代碼
10.2.4凍結(jié)模型
10.3利用iOS中的模型玩Connect 4游戲
10.4利用Android中的模型玩Connect 4游戲
10.5小結(jié)
第11章TensorFlow Lite和Core ML在移動設(shè)備上的應(yīng)用
11.1TensorFlow Lite概述
11.2在iOS中使用TensorFlow Lite
11.2.1運(yùn)行TensorFlow Lite iOS示例應(yīng)用程序
11.2.2在iOS中使用預(yù)構(gòu)建的TensorFlow Lite模型
11.2.3在iOS中使用用于TensorFlow Lite的再訓(xùn)練TensorFlow模型
11.2.4在iOS中使用自定義的TensorFlow Lite模型
11.3在Android中使用TensorFlow Lite
11.4面向iOS的Core ML概述
11.5結(jié)合Scikit Learn機(jī)器學(xué)習(xí)的Core ML應(yīng)用
11.5.1構(gòu)建和轉(zhuǎn)換Scikit Learn模型
11.5.2在iOS中使用轉(zhuǎn)換的Core ML模型
11.6結(jié)合Keras和TensorFlow的Core ML應(yīng)用
11.7小結(jié)
第12章樹莓派上的TensorFlow應(yīng)用程序開發(fā)
12.1安裝樹莓派并運(yùn)行
12.1.1安裝樹莓派
12.1.2運(yùn)行樹莓派
12.2在樹莓派上安裝TensorFlow
12.3圖像識別和文