TensorFlow AI移動(dòng)項(xiàng)目開(kāi)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(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111712664	出版時(shí)間：	2022-09-01	包裝：	平裝-膠訂
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　使用TensorFlow為多個(gè)移動(dòng)平臺(tái)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(shū)涵蓋了10余個(gè)由TensorFlow提供支持并從頭開(kāi)始構(gòu)建的完整iOS、Android和樹(shù)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(jué)、語(yǔ)音識(shí)別和自然語(yǔ)言處理到生成對(duì)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(kāi)發(fā)能運(yùn)行這些模型的智能移動(dòng)應(yīng)用程序，并通過(guò)分步教程快速掌握如何構(gòu)建此類(lèi)應(yīng)用程序，同時(shí)學(xué)會(huì)利用大量寶貴的故障排除技巧來(lái)避免實(shí)現(xiàn)過(guò)程中的許多陷阱。

作者簡(jiǎn)介

　　關(guān)于作者20多年前，Jeff Tang喜愛(ài)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(guó)在線、百度和高通等公司從事企業(yè)應(yīng)用程序、語(yǔ)音應(yīng)用程序、網(wǎng)頁(yè)應(yīng)用程序和移動(dòng)應(yīng)用程序等研究工作。他開(kāi)發(fā)了一款暢銷(xiāo)的iOS應(yīng)用程序，下載量達(dá)到數(shù)百萬(wàn)次，還被Google公司認(rèn)定為Android市場(chǎng)top開(kāi)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(lái)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(shū)應(yīng)運(yùn)而生。

圖書(shū)目錄

目錄
原書(shū)序
原書(shū)前言
關(guān)于作者
關(guān)于技術(shù)審校者
第1章移動(dòng)TensorFlow入門(mén)
1.1TensorFlow的安裝
1.1.1在MacOS上安裝TensorFlow
1.1.2在GPU驅(qū)動(dòng)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(duì)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(lèi)
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(cè)與定位
3.1目標(biāo)檢測(cè)概述
3.2TensorFlow目標(biāo)檢測(cè)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(cè)模型
3.4.1手動(dòng)構(gòu)建TensorFlow iOS庫(kù)
3.4.2在應(yīng)用程序中使用TensorFlow iOS庫(kù)
3.4.3為iOS應(yīng)用程序添加目標(biāo)檢測(cè)功能
3.5YOLO2應(yīng)用：另一種目標(biāo)檢測(cè)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(cè)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(jiǎn)單語(yǔ)音命令
5.1語(yǔ)音識(shí)別概述
5.2訓(xùn)練簡(jiǎn)單的命令識(shí)別模型
5.3在Android中應(yīng)用簡(jiǎn)單的語(yǔ)音識(shí)別模型
5.3.1通過(guò)模型構(gòu)建新的應(yīng)用程序
5.3.2顯示模型驅(qū)動(dòng)的識(shí)別結(jié)果
5.4在基于Objective-C的iOS中應(yīng)用簡(jiǎn)單的語(yǔ)音識(shí)別模型
5.4.1通過(guò)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(jiǎn)單的語(yǔ)音識(shí)別模型
5.6小結(jié)
第6章基于自然語(yǔ)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(cè)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(shí)別
7.1繪圖分類(lèi)的工作原理
7.2訓(xùn)練、預(yù)測(cè)和準(zhǔn)備繪圖分類(lèi)模型
7.2.1訓(xùn)練繪圖分類(lèi)模型
7.2.2利用繪圖分類(lèi)模型進(jìn)行預(yù)測(cè)
7.2.3準(zhǔn)備繪圖分類(lèi)模型
7.3在iOS中應(yīng)用繪圖分類(lèi)模型
7.3.1構(gòu)建iOS的自定義TensorFlow庫(kù)
7.3.2開(kāi)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(lèi)模型
7.4.1構(gòu)建Android的自定義TensorFlow庫(kù)
7.4.2開(kāi)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(cè)
8.1RNN和股票價(jià)格預(yù)測(cè)的工作原理
8.2利用TensorFlow RNN API進(jìn)行股票價(jià)格預(yù)測(cè)
8.2.1在TensorFlow中訓(xùn)練RNN模型
8.2.2測(cè)試TensorFlow RNN模型
8.3利用Keras RNN LSTM API進(jìn)行股票價(jià)格預(yù)測(cè)
8.3.1在Keras中訓(xùn)練RNN模型
8.3.2測(cè)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(xiě)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(dòng)設(shè)備上類(lèi)AlphaZero的游戲應(yīng)用程序開(kāi)發(fā)
10.1AlphaZero的工作原理
10.2訓(xùn)練和測(cè)試用于Connect 4游戲的類(lèi)AlphaZero模型
10.2.1訓(xùn)練模型
10.2.2測(cè)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(dòng)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(shù)莓派上的TensorFlow應(yīng)用程序開(kāi)發(fā)
12.1安裝樹(shù)莓派并運(yùn)行
12.1.1安裝樹(shù)莓派
12.1.2運(yùn)行樹(shù)莓派
12.2在樹(shù)莓派上安裝TensorFlow
12.3圖像識(shí)別和文