TensorFlow Lite移动端深度学习
全新正版 极速发货
￥ 59.82 5.5折 ￥ 109 全新
库存7件
广东广州
认证卖家担保交易快速发货售后保障
作者朱元涛
出版社机械工业出版社
ISBN9787111698791
出版时间2022-02
装帧平装
开本16开
定价109元
货号1202596487
上书时间2024-06-09
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
资深机器学习开发工程师和架构师。现就职于浪潮云，专门从事大数据挖掘和通信大数据研发工作。曾在谷歌应用市场发布多款经典应用程序并取得不错的销售业绩。精通Python、C#、Java等语言，并且精通Android、iOS等主流移动端和Linux底层嵌入式开发技术。
目录
TensorFlowLite移动端深度学习前言第1章人工智能开发基础/1.1人工智能的基础知识/1.1.1人工智能介绍/1.1.2人工智能的发展历程/1.1.3人工智能的两个重要发展阶段/1.1.4和人工智能相关的几个重要概念/1.2机器学习/1.2.1什么是机器学习/1.2.2机器学习的3个发展阶段/1.2.3机器学习的分类/1.2.4深度学习和机器学习的对比/1.3使用Python学习人工智能开发/1.3.1Python在人工智能方面的优势/1.3.2常用的Python库/1.4TensorFlow开源库/1.4.1TensorFlow介绍/1.4.2TensorFlow的优势/1.4.3TensorFlowLite介绍/第2章编写个TensorFlowLite程序/2.1安装环境要求/2.1.1硬件要求/2.1.2软件要求/2.2安装TensorFlow/2.2.1使用pip安装TensorFlow/2.2.2使用Anaconda安装TensorFlow/2.2.3安装TensorFlowLite解释器/2.2.4解决速度过慢的问题/2.3准备开发工具/2.3.1使用PyCharm开发并调试运行TensorFlow程序/2.3.2使用Colaboratory开发并调试运行TensorFlow程序/2.4开发TensorFlowLite程序的流程/2.4.1准备模型/2.4.2转换模型/2.4.3使用模型进行推断/2.4.4优化模型/2.5在Android中创建TensorFlowLite/2.5.1需要安装的工具/2.5.2新建Android工程/2.5.3使用JCenter中的TensorFlowLiteAAR/2.5.4运行和测试/第3章创建模型/3.1创建TensorFlow模型/3.1.1在PyCharm环境实现/3.1.2在Colaboratory环境实现/3.2基于TensorFlow机器学习核心算法创建模型/3.2.1线性回归算法/3.2.2逻辑回归算法/3.2.3二元决策树算法/3.2.4Bagging算法/3.2.5Boosting算法/3.2.6随机森林算法/3.2.7K近邻算法/第4章转换模型/4.1TensorFlowLite转换器/4.1.1转换方式/4.1.2将TensorFlowRNN转换为TensorFlowLite/4.2将元数据添加到TensorFlowLite模型/4.2.1具有元数据格式的模型/4.2.2使用FlatbuffersPythonAPI添加元数据/4.3使用TensorFlowLiteTaskLibrary/4.4手写数字识别器/4.4.1系统介绍/4.4.2创建TensorFlow数据模型/4.4.3将Keras模型转换为TensorFlowLite/4.4.4Android手写数字识别器/第5章推断/5.1TensorFlowLite推断的基本知识/5.1.1推断的基本步骤/5.1.2推断支持的平台/5.2运行模型/5.2.1在Java程序中加载和运行模型/5.2.2在Swift程序中加载和运行模型/5.2.3在ObjectiveC程序中加载和运行模型/5.2.4在ObjectiveC中使用CAPI/5.2.5在C++中加载和运行模型/5.2.6在Python中加载和运行模型/5.3运算符操作/5.3.1运算符操作支持的类型/5.3.2从TensorFlow中选择运算符/5.3.3自定义运算符/5.3.4融合运算符/5.4使用元数据进行推断/5.4.1元数据推断基础/5.4.2使用元数据生成模型接口/5.4.3使用TensorFlowLite代码生成器生成模型接口/5.5通过Task库集成模型/5.5.1TaskLibrary可以提供的内容/5.5.2支持的任务/5.5.3集成图像分类器/5.6自定义输入和输出/第6章优化处理/6.1性能优化/6.2TensorFlowLite委托/6.2.1选择委托/6.2.2评估工具/6.3TensorFlowLiteGPU代理/6.3.1在Android中使用TensorFlowLiteGPU代理/6.3.2在iOS中使用TensorFlowLiteGPU代理/6.3.3在自己的模型上使用GPU代理/6.4硬件加速/6.4.1使用GPU加速的优势/6.4.2Android中的硬件加速/6.4.3iOS中的硬件加速/6.4.4输入/输出缓冲器/6.5模型优化/6.5.1模型量化/6.5.2训练后量化/6.5.3训练后动态范围量化/6.5.4训练后整数量化/第7章微控制器/7.1适用于微控制器的TensorFlowLite/7.2官方示例/7.2.1HelloWorld示例/7.2.2微语音示例/7.3C++库/7.3.1文件结构/7.3.2开始新项目/7.3.3写入新设备/7.3.4构建二进制文件/7.3.5优化内核/7.3.6生成Arduino库/第8章物体检测识别系统/8.1系统介绍/8.2准备模型/8.2.1模型介绍/8.2.2自定义模型/8.3Android物体检测识别器/8.3.1准备工作/8.3.2页面布局/8.3.3实现主Activity/8.3.4物体识别界面/8.3.5相机预览界面拼接/8.3.6lib_task_api方案/8.3.7lib_interpreter方案/8.4iOS物体检测识别器/8.4.1系统介绍/8.4.2视图文件/8.4.3相机处理/8.4.4处理TensorFlowLite模型/第9章姿势预测器/9.1系统介绍/9.2准备模型/9.2.1身体部位监测点说明/9.2.2导入TensorFlowLite模型/9.3Android姿势预测器/9.3.1准备工作/9.3.2页面布局/9.3.3实现主Activity/9.3.4图像处理/9.3.5姿势识别
内容摘要
TensorFlowLite移动端深度学习循序渐进地讲解了在移动设备中使用TensorFlowLite开发机器学习和深度学习程序的核心知识，并通过具体实例演练了各知识点的使用方法和流程。全书共9章，分别讲解了人工智能开发基础、编写个TensorFlowLite程序、创建模型、转换模型、推断、优化处理、微控制器、物体检测识别系统和姿势预测器。全书简洁而不失技术深度，内容丰富全面，以简明的文字介绍了复杂的案例。同时书中配有二维码视频，结合视频讲解可加深对相关内容的理解，是学习TensorFlowLite开发的实用教程。TensorFlowLite移动端深度学习适用于已经了解Python语言基础语法和TensorFlow基础，希望进一步提高自己Python开发水平的读者阅读，还可以作为大中专院校和相关培训学校的专业教程。
— 没有更多了 —
以下为对购买帮助不大的评价