幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

TensorFlow移動端機器學習實戰

  • 作者：王眾磊//陳海波
  • 出版社：電子工業
  • ISBN：9787121374265
  • 出版日期：2019/10/01
  • 裝幀：平裝
  • 頁數：258
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    隨著人工智慧技術的普及和邊緣計算等新興技術的興起，很多人工智慧的應用逐漸從雲端向邊緣設備和終端設備轉移，基於移動端設備和嵌入式設備等小型設備的人工智慧應用的開發越來越重要。
    TensorFlow作為開源機器學習框架，提供了對不同開發環境和設備的支持。本書詳細講解了如何使用TensorFlow進行端到端機器學習應用的開發，以及使用TensorFlow Lite在小型設備（包括Android、iOS、樹莓派（Raspberry Pi）上進行應用開發的要點和相應的實戰案例。
    本書也講解了針對Android的硬體加速技術，以及業界流行的機器學習應用框架。本書代碼基本對應TensorFlow 2.0。
    本書適合沒有人工智慧開發經驗的初學者，以及有一定相關經驗並且希望在人工智慧應用上更加深入了解的開發者閱讀。
作者介紹
王眾磊//陳海波
目錄
第1章  機器學習和TensorFlow簡述
  1.1  機器學習和TensorFlow的歷史及發展現狀
    1.1.1  人工智慧和機器學習
    1.1.2  TensorFlow
    1.1.3  TensorFlow Mobile
    1.1.4  TensorFlow Lite
  1.2  在移動設備上運行機器學習的應用
    1.2.1  生態和現狀
    1.2.2  從移動優先到人工智慧優先
    1.2.3  人工智慧的發展
    1.2.4  在移動設備上進行機器學習的難點和挑戰
    1.2.5  TPU
  1.3  機器學習框架
    1.3.1  CAFFE2
    1.3.2  Android NNAPI
    1.3.3  CoreML
    1.3.4  樹莓派（Raspberry Pi）
第2章  構建開發環境
  2.1  開發主機和設備的選擇
  2.2  在網路代理環境下開發
  2.3  集成開發環境IDE
    2.3.1  Android Studio
    2.3.2  Visual Studio Code
    2.3.3  其他IDE
  2.4  構建工具Bazel
    2.4.1  Bazel生成調試
    2.4.2  Bazel Query命令
  2.5  裝載TensorFlow
  2.6  文檔
第3章  基於移動端的機器學習的開發方式和流程
  3.1  開發方式和流程簡介
  3.2  使用TPU進行訓練
  3.3  設備端進行機器學習訓練
  3.4  使用TensorFlow Serving優化TensorFlow模型
    3.4.1  訓練和導出TensorFlow模型
    3.4.2  使用標準TensorFlow ModelServer載入導出的模型
    3.4.3  測試伺服器
  3.5  TensorFlow擴展（Extended）
第4章  構建TensorFlow Mobile
  4.1  TensorFlow Mobile的歷史
  4.2  TensorFlow代碼結構
  4.3  構建及運行
    4.3.1  代碼的流程
    4.3.2  代碼的依賴性
    4.3.3  性能和代碼跟蹤
第5章  用TensorFlow Mobile構建機器學習應用
  5.1  準備工作
  5.2  圖像分類（Image Classification）
    5.2.1  應用
    5.2.2  模型

  5.3  物體檢測（Object Detection）
    5.3.1  應用
    5.3.2  模型
  5.4  時尚渲染（Stylization）
    5.4.1  應用
    5.4.2  模型
  5.5  聲音識別（Speech Recognization）
    5.5.1  應用
    5.5.2  模型
第6章  TensorFlow Lite的架構
  6.1  模型格式
    6.1.1  Protocol Buffer
    6.1.2  FlatBuffers
    6.1.3  模型結構
    6.1.4  轉換器（Toco）
    6.1.5  解析器（Interpreter）
  6.2  底層結構和設計
    6.2.1  設計目標
    6.2.2  錯誤反饋
    6.2.3  裝載模型
    6.2.4  運行模型
    6.2.5  定製演運算元（CUSTOM Ops）
    6.2.6  定製內核
  6.3  工具
    6.3.1  圖像標注（label_image）
    6.3.2  最小集成（Minimal）
    6.3.3  Graphviz
    6.3.4  模型評效
第7章  用TensorFlow Lite構建機器學習應用
  7.1  模型設計
    7.1.1  使用預先訓練的模型
    7.1.2  重新訓練
    7.1.3  使用瓶頸（Bottleneck）
  7.2  開發應用
    7.2.1  程序介面
    7.2.2  線程和性能
    7.2.3  模型優化
  7.3  TensorFlow Lite的應用
    7.3.1  聲音識別
    7.3.2  圖像識別
  7.4  TensorFlow Lite使用GPU
    7.4.1  GPU與CPU性能比較
    7.4.2  開發GPU代理（Delegate）
  7.5  訓練模型
    7.5.1  模擬器
    7.5.2  構建執行文件
第8章  移動端的機器學習開發
  8.1  其他設備的支持
    8.1.1  在iOS上運行TensorFlow的應用
    8.1.2  在樹莓派上運行TensorFlow

  8.2  設計和優化模型
    8.2.1  模型大小
    8.2.2  運行速度
    8.2.3  可視化模型
    8.2.4  線程
    8.2.5  二進位文件大小
    8.2.6  重新訓練移動數據
    8.2.7  優化模型載入
    8.2.8  保護模型文件
    8.2.9  量化計算
    8.2.10  使用量化計算
  8.3  設計機器學習應用程序要點
第9章  TensorFlow的硬體加速
  9.1  神經網路介面
    9.1.1  了解Neural Networks API運行時
    9.1.2  Neural Networks API編程模型
    9.1.3  NNAPI 實現的實例
  9.2  硬體加速
    9.2.1  高通網路處理器
    9.2.2  華為HiAI Engine
    9.2.3  簡要比較
    9.2.4  開放式神經網路交換格式
第10章  機器學習應用框架
  10.1  ML Kit
    10.1.1  面部識別（Face Detection）
    10.1.2  文本識別
    10.1.3  條形碼識別
  10.2  聯合學習（Federated Learning）
第11章  基於移動設備的機器學習的未來
  11.1  TensorFlow 2.0和路線圖
    11.1.1  更簡單的開發模型
    11.1.2  更可靠的跨平台的模型發布
    11.1.3  TensorFlow Lite
    11.1.4  TensorFlow 1.0和TensorFlow 2.0的不同
  11.2  人工智慧的發展方向
    11.2.1  提高人工智慧的可解釋性
    11.2.2  貢獻社會
    11.2.3  改善社會

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032