从AI模型到智能机器人：基于Python与TensorFlow

图书标准信息

• 作者 高焕堂 著
• 出版社 电子工业出版社
• 出版时间 2019-09
• 版次 1
• ISBN 9787121370113
• 定价 79.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 286页

【内容简介】

　　《从AI模型到智能机器人：基于 Python与TensorFlow》共有十五章。第1～9章从OOP+Python应用出发，由浅入深，循序渐进，帮助用户建立扎实的AI软件开发的技术根基；第10～12章以AI技术简史为起点，以机器学习为范例，说明如何用Python来撰写简单的AI模型（如Perceptron模型）程序，并通过实际训练，让用户了解机器学习的原理，以及如何使用Python程序来进行调试；第13～15章以专业的TensorFlow平台为例，说明如何利用这种平台来设计NN（神经网络）模型，熟悉其训练及应用过程。
　　最后，将用户在TensorFlow环境下训练好的AI模型，移植到Android手机、机器人（如华硕Zenbo）或树莓派（RPi）上，大大提升终端设备的智能性，从而创造更大的商机。希望《从AI模型到智能机器人：基于 Python与TensorFlow》能陪伴你驰骋于Python和TensorFlow技术领域之中，使你在未来的道路上大展宏图。

【作者简介】

高焕堂，专注AI&VR技术与创客辅导，现任中国台湾VR/AR产业联盟主席、台湾铭传大学《AI创新&设计思维》指导教授。福州网龙大学教授、MFG创客邦联的创客导师、大连艺术学院创新创业导师、厦门VR/AR协会创业导师兼荣誉会长

【目录】

第1章  AI与面向对象Python1
1．1  AI思维简史2
1．2  Python语言与AI2
1．3  布置Python开发环境3
1．4  开始编写Python程序6
1．5  面向对象（Object-Oriented）入门10
1．5．1  对象（Object）10
1．5．2  消息（Message）10
1．5．3  事件（Event）10
1．6  软件中的对象（Object）11
1．6．1  抽象11
1．6．2  抽象表示12
1．6．3  数据和函数12
1．6．4  历史的足迹12
1．7  对象与变量（Variable）13
1．7．1  数据类型13
1．7．2  变量即对象14
1．8  对象与函数（Function）17
1．8．1  函数的角色17
1．8．2  事件驱动观念18
1．9  自然界的分类19
1．9．1  分类与抽象19
1．9．2  对象与类19
1．9．3  类的体系20
1．10  软件的分类21
1．10．1  类是数据类型21
1．10．2  类的用途：描述对象的属性与行为22
第2章  Python的对象与类24
2．1  OOP入门25
2．2  对象的概念25
2．3  对象分类与组合27
2．3．1  类的永恒性27
2．3．2  将对象分门别类27
2．3．3  对象的组合关系28
2．4  AKO抽象关系30
2．5  对象行为与接口36
2．5．1  接口入门36
2．5．2  消息传递与对象行为37
2．5．3  对象的运算行为38
第3章  善用类46
3．1  如何描述对象：善用类47
3．2  如何创建软件对象48
3．3  对象参考49
3．4  构造函数52
3．5  子类如何创建对象54
第4章  对象的组合58
4．1  认识 self 参考59
4．2  建立对象的包含关系60
4．3  self 参考值的妙用64
4．4  包容多样化物件71
4．5  集合对象73
第5章  类的封装性76
5．1  对象的封装性77
5．2  类：创造对象的封装性77
5．3  类的私有属性与函数81
5．4  类级别的属性89
5．5  类级别的函数93
第6章  类的继承体系96
6．1  继承的意义97
6．2  建立类继承体系98
6．3  函数覆写的意义108
第7章  活用抽象类111
7．1  抽象类与继承体系112
7．2  Python抽象类的表示法112
7．2．1  一般具象类112
7．2．2  抽象类114
7．3  从“抽象类”衍生“具象类”115
7．4  抽象类的妙用：默认行为118
7．4．1  Python默认行为的表示法118
7．4．2  默认行为的意义120
7．5  默认函数的妙用：反向调用120
第8章  发挥“多态性”127
8．1 “多态性”的意义128
8．1．1  自然界的多态性128
8．1．2  多态性物体129
8．2  多态函数130
8．3  可覆写函数132
第9章  如何设计抽象类138
9．1  抽象：抽出共同的现象139
9．2  抽象的步骤141
9．2．1  Step 1： 抽出名称、引数及内容都一致的函数147
9．2．2  Step 2： 抽出名称相同、参数及内容有差异的函数149
9．3  洞悉“变”与“不变”152
9．4  着手设计抽象类154
第10章  接口与抽象类160
10．1  接口的意义161
10．2  以 Python 抽象类来实现接口162
10．3  接口设计实例一：并联电池对象167
10．3．1  不理解原理但也能用167
10．3．2  实现步骤169
10．4  接口设计实例二：串联电池对象172
10．4．1  基本设计172
10．4．2  实现步骤173
10．4．3  总结176
10．5  接口设计实例三：Chain Of Responsibility设计模式177
第11章  不插电学AI183
11．1 “不插电学AI”的意义184
11．2  AlphaGo的惊人学习能力184
11．3  范例：一只老鼠的探索及学习184
11．4  记录老鼠的探索选择及结果186
11．5  老鼠当教练：训练AI机器人188
11．5．1  以简单算数，让机器人表达智能188
11．5．2  机器人智能的提升过程189
11．5．3  一回生、两回熟191
11．5．4  三回变高手192
11．5．5  第四回合训练：迈向完美194
11．5．6  重新检测一次195
第12章  撰写单层Perceptron程序198
12．1  开始“插电学AI”：使用Python199
12．2  展开第#0组数据的训练200
12．3  进行更多组数据的训练202
12．4  加入学习率206
12．5  增添一个Training类209
12．6  一个更详细的Perceptron代码213

第13章  使用TensorFlow编程225
13．1  TensorFlow入门226
13．2  安装TensorFlow环境226
13．3  开始使用TensorFlow230
13．4  展开第1回合的训练：以老鼠教练为例237
13．5  展开100回合更周全的训练240
13．6  设计Perceptron类243
13．7  采用TensorFlow的损失函数245
13．8  撰写多层Perceptron程序248
第14章  TensorFlow应用范例251
14．1  mnist手写数字识别范例252
14．2  开始训练 NN 模型256
14．3  改进 NN 模型：建立两层Perceptron260
14．4  改进 NN 模型：建立三层Perceptron263
14．5  撰写一个MLP类265
第15章  如何导出AI模型268
15．1　导出模型入门269
15．2  机器人：像老鼠一样学习270
15．3  基于TensorFlow建立AI模型270
15．4  存入Checkpoint文件272
15．5　读取Checkpoint文件275
15．6  读取流图定义文件277
15．7  导出模型：写入．pb文件280
15．8  导入模型，读取．pb文件284