TensorFlow Lite移動(dòng)設(shè)備深度學(xué)習(xí)從入門(mén)到實(shí)踐

定　價(jià)：￥69.00

作　者：	張?jiān)?/td>
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787302599470	出版時(shí)間：	2022-03-01	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

　　《TensorFlow Lite移動(dòng)設(shè)備深度學(xué)習(xí)從入門(mén)到實(shí)踐》循序漸進(jìn)地講解了使用 TensorFlow Lite開(kāi)發(fā)移動(dòng)設(shè)備深度學(xué)習(xí)程序的核心知識(shí)，并通過(guò)具體實(shí)例的實(shí)現(xiàn)過(guò)程演練了使用TensorFlow Lite 的方法和流程。全書(shū)共12章，分別講解了人工智能和機(jī)器學(xué)習(xí)基礎(chǔ)、搭建開(kāi)發(fā)環(huán)境、個(gè) TensorFlow Lite程序、轉(zhuǎn)換模型、推斷、使用元數(shù)據(jù)進(jìn)行推斷、優(yōu)化處理、手寫(xiě)數(shù)字識(shí)別器、鮮花識(shí)別系統(tǒng)、情感文本識(shí)別系統(tǒng)、物體檢測(cè)識(shí)別系統(tǒng)、智能客服系統(tǒng)。《TensorFlow Lite移動(dòng)設(shè)備深度學(xué)習(xí)從入門(mén)到實(shí)踐》簡(jiǎn)潔而不失其技術(shù)深度，內(nèi)容豐富全面，易于閱讀，以極簡(jiǎn)的文字介紹了復(fù)雜的案例，適用于已經(jīng)了解了Python語(yǔ)言基礎(chǔ)語(yǔ)法的讀者，以及想進(jìn)一步學(xué)習(xí)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)的讀者，還可以作為大專(zhuān)院校相關(guān)專(zhuān)業(yè)的師生用書(shū)和培訓(xùn)學(xué)校的專(zhuān)業(yè)性教材。

作者簡(jiǎn)介

　　張?jiān)?，中?guó)海洋大學(xué)計(jì)算機(jī)碩士，浪潮信息開(kāi)發(fā)工程師，浪潮軟件大數(shù)據(jù)實(shí)驗(yàn)室數(shù)據(jù)挖掘?qū)＜?。精通C語(yǔ)言、Java、C、PHP、Python等開(kāi)發(fā)語(yǔ)言，擅長(zhǎng)數(shù)據(jù)挖掘和可視化處理，熟悉Linux、Apache等相關(guān)開(kāi)發(fā)平臺(tái)技術(shù)。日常負(fù)責(zé)在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專(zhuān)家系統(tǒng)（依靠過(guò)去的經(jīng)驗(yàn)法則）和模式識(shí)別等工作。

圖書(shū)目錄

第1 章人工智能和機(jī)器學(xué)習(xí)基礎(chǔ) 1
1.1 人工智能的基礎(chǔ)知識(shí) 2
1.1.1 人工智能介紹 2
1.1.2 人工智能的發(fā)展歷程 2
1.1.3 人工智能的兩個(gè)重要發(fā)展階段 3
1.1.4 和人工智能相關(guān)的幾個(gè)重要概念 3
1.2 機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí) 4
1.2.1 機(jī)器學(xué)習(xí)介紹 4
1.2.2 機(jī)器學(xué)習(xí)的三個(gè)發(fā)展階段 4
1.2.3 機(jī)器學(xué)習(xí)的分類(lèi) 5
1.2.4 深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的對(duì)比 5
1.3 人工智能的研究領(lǐng)域和應(yīng)用場(chǎng)景 7
1.3.1 人工智能的研究領(lǐng)域 7
1.3.2 人工智能的應(yīng)用場(chǎng)景 8
1.3.3 人工智能的未來(lái)目標(biāo) 9
1.4 機(jī)器學(xué)習(xí)的步驟 10
1.5 使用Python 學(xué)習(xí)人工智能開(kāi)發(fā) 10
1.5.1 Python 在人工智能方面的優(yōu)勢(shì) 10
1.5.2 常用的Python 庫(kù) 11
1.6　TensorFlow 基礎(chǔ) 12
1.6.1　TensorFlow 介紹 12
1.6.2 TensorFlow 的優(yōu)勢(shì) 13
1.6.3 TensorFlow Lite 介紹 13
第2 章搭建開(kāi)發(fā)環(huán)境 15
2.1 安裝環(huán)境要求 16
2.1.1 硬件要求 16
2.1.2 軟件要求 16
2.2 安裝TensorFlow 16
2.2.1 使用pip 安裝TensorFlow 17
2.2.2 使用Anaconda 安裝TensorFlow 18
2.2.3 安裝TensorFlow Lite解釋器 19
2.2.4 解決速度過(guò)慢的問(wèn)題 20
2.3 準(zhǔn)備開(kāi)發(fā)工具 20
2.3.1 使用PyCharm 開(kāi)發(fā)并調(diào)試運(yùn)行TensorFlow 程序 21
2.3.2 使用Colaboratory 開(kāi)發(fā)并調(diào)試運(yùn)行TensorFlow 程序 21
第3 章個(gè)TensorFlow Lite 程序 25
3.1 開(kāi)發(fā)TensorFlow Lite 程序的流程 26
3.1.1 準(zhǔn)備模型 26
3.1.2 轉(zhuǎn)換模型 27
3.1.3 使用模型進(jìn)行推理 28
3.1.4 優(yōu)化模型 29
3.2 在Android 中創(chuàng)建TensorFlow Lite 30
3.2.1 需要安裝的工具 30
3.2.2 新建Android 工程 30
3.2.3 使用JCenter 中的TensorFlow Lite AAR 31
3.2.4 運(yùn)行和測(cè)試 32
第4 章轉(zhuǎn)換模型 35
4.1 TensorFlow Lite 轉(zhuǎn)換器 36
4.1.1 轉(zhuǎn)換方式 36
4.1.2 將TensorFlow RNN 轉(zhuǎn)換為T(mén)ensorFlow Lite 39
4.2 將元數(shù)據(jù)添加到 TensorFlow Lite模型 43
4.2.1 具有元數(shù)據(jù)格式的模型 43
4.2.2 使用Flatbuffers Python API 添加元數(shù)據(jù) 44
第5 章推斷 49
5.1 TensorFlow Lite 推斷的基本知識(shí) 50
5.1.1 推斷的基本步驟 50
5.1.2 推斷支持的平臺(tái) 50
5.2 運(yùn)行模型 51
5.2.1 在Java 程序中加載和運(yùn)行模型 51
5.2.2 在 Swift 程序中加載和運(yùn)行模型 53
5.2.3 在Objective-C 程序中加載和運(yùn)行模型 54
5.2.4 在Objective-C 中使用C API 55
5.2.5 在 C 中加載和運(yùn)行模型 55
5.2.6 在 Python 中加載和運(yùn)行模型 56
5.3 運(yùn)算符操作 58
5.3.1 運(yùn)算符操作支持的類(lèi)型 58
5.3.2 從TensorFlow 中選擇運(yùn)算符 59
5.3.3 自定義運(yùn)算符 61
5.3.4 融合運(yùn)算符 66
第6 章使用元數(shù)據(jù)進(jìn)行推斷 67
6.1 元數(shù)據(jù)推斷簡(jiǎn)介 68
6.2 使用元數(shù)據(jù)生成模型接口 68
6.2.1 使用 Android Studio 機(jī)器學(xué)習(xí)模型進(jìn)行綁定 68
6.2.2 使用TensorFlow Lite 代碼生成器生成模型接口 71
6.3 通過(guò)Task 庫(kù)集成模型 73
6.3.1 Task Library 可以提供的內(nèi)容 73
6.3.2 支持的任務(wù) 73
6.3.3 集成圖像分類(lèi)器 74
6.4 自定義輸入和輸出 75
第7 章優(yōu)化處理 81
7.1 性能優(yōu)化 82
7.2 TensorFlow Lite 委托 84
7.2.1 選擇委托 84
7.2.2 評(píng)估工具 85
7.3 TensorFlow Lite GPU 代理 87
7.3.1 在Android 中使用TensorFlow Lite GPU 代理 87
7.3.2 在iOS 中使用TensorFlow LiteGPU 代理 88
7.3.3 在自己的模型上使用GPU代理 89
7.4 模型優(yōu)化 90
7.4.1 模型量化 90
7.4.2 訓(xùn)練后量化 91
7.4.3 訓(xùn)練后動(dòng)態(tài)范圍量化 93
第8 章手寫(xiě)數(shù)字識(shí)別器 103
8.1 系統(tǒng)介紹 104
8.2 創(chuàng)建模型 104
8.2.1 創(chuàng)建TensorFlow 數(shù)據(jù)模型 104
8.2.2 將Keras 模型轉(zhuǎn)換為T(mén)ensorFlow Lite 108
8.3 Android 手寫(xiě)數(shù)字識(shí)別器 110
8.3.1 準(zhǔn)備工作 110
8.3.2 頁(yè)面布局 112
8.3.3 實(shí)現(xiàn)Activity 113
8.3.4 實(shí)現(xiàn)TensorFlow Lite 識(shí)別 115
第9 章鮮花識(shí)別系統(tǒng) 121
9.1 系統(tǒng)介紹 122
9.2 創(chuàng)建模型 122
9.2.1 創(chuàng)建TensorFlow 數(shù)據(jù)模型 122
9.2.2 將Keras 模型轉(zhuǎn)換為T(mén)ensorFlow Lite 127
9.2.3 量化處理 129
9.2.4 更改模型 130
9.3 Android 鮮花識(shí)別器 132
9.3.1 準(zhǔn)備工作 132
9.3.2 頁(yè)面布局 134
9.3.3 實(shí)現(xiàn)UI Activity 136
9.3.4 實(shí)現(xiàn)主Activity 137
9.3.5 圖像轉(zhuǎn)換 142
9.3.6 使用 GPU 委托加速 147
第10 章情感文本識(shí)別系統(tǒng) 149
10.1 系統(tǒng)介紹 150
10.2 創(chuàng)建模型 150
10.2.1 創(chuàng)建TensorFlow 數(shù)據(jù)模型 151
10.2.2 將Keras 模型轉(zhuǎn)換為T(mén)ensorFlow Lite 155
10.2.3 調(diào)整模型 156
10.3 Android 情感識(shí)別器 160
10.3.1 準(zhǔn)備工作 161
10.3.2 頁(yè)面布局 163
10.3.3 實(shí)現(xiàn)主Activity 164
10.3.4 lib_task_api 方案 166
10.3.5 lib_interpreter 方案 168
第11 章物體檢測(cè)識(shí)別系統(tǒng) 175
11.1 系統(tǒng)介紹 176
11.2 準(zhǔn)備模型 176
11.2.1 模型介紹 176
11.2.2 自定義模型 177
11.3 Android 物體檢測(cè)識(shí)別器 180
11.3.1 準(zhǔn)備工作 180
11.3.2 頁(yè)面布局 182
11.3.3 實(shí)現(xiàn)主Activity 186
11.3.4 物體識(shí)別界面 192
11.3.5 相機(jī)預(yù)覽界面拼接 195
11.3.6 lib_task_api 方案 202
11.3.7 lib_interpreter 方案 204
第12 章智能客服系統(tǒng) 211
12.1 系統(tǒng)介紹 212
12.2 準(zhǔn)備模型 212
12.2.1 模型介紹 212
12.2.2 下載模型文件 213
12.3 Android 智能客服回復(fù)器 213
12.3.1 準(zhǔn)備工作 213
12.3.2 頁(yè)面布局 215
12.3.3 實(shí)現(xiàn)主Activity 216
12.3.4 智能回復(fù)處理 218