智能前端技术与实践

图书标准信息

• 作者 石璞东 吴萌 王慧琴
• 出版社 人民邮电出版社
• 出版时间 2022-03
• 版次 1
• ISBN 9787115584397
• 定价 99.80元
• 装帧 平装
• 开本 其他
• 纸张 胶版纸
• 页数 339页
• 字数 514千字

【内容简介】

本书旨在介绍智能前端开发和深度学习。本书首先介绍了相关的开发环境、前端开发基础知识、深度学习基础知识、前端智能框架和卷积神经网络，然后讲述了线性回归、logistical 回归、XOR 问题、人体姿态检测：目标检测、光学字符识别等方面的案例，后讲解了前端智能化案例。
  本书适合 Web 前端开发人员、人工智能开发人员阅读，也可作为计算机相关专业师生的参考用书。

【作者简介】

石璞东，西安建筑科技大学硕士研究生，研究方向包括机器学习、Web开发，担任百度飞桨领航团金牌团长和hahaWebsite网站站长。

吴萌，西安建筑科技大学信息与控制工程学院副教授，硕士生导师，美国俄亥俄州立大学访问学者，中国图象图形学学会数字文化遗产专委会委员。

王慧琴，西安建筑科技大学信息与控制工程学院副院长、教授、博士生导师，通信与信息系统研究所所长，陕西省图象图形学学会理事，中国图象图形学学会图像应用与系统集成专委会委员，中国图象图形学学会数字文化遗产专委会委员。

【目录】

目　　录

第 1章  开发环境配置1

1.1  安装Anaconda31

1.2  安装TensorFlow 26

1.3  安装npm包管理工具11

1.4  安装TensorFlow.js的相关包14

1.5  使用WebStorm18

1.6  使用Google浏览器19

1.6.1  注册Chrome Web Store开发者19

1.6.2  Google浏览器扩展程序20

1.7  使用微信开发者工具27

1.7.1  添加微信小程序插件29

1.7.2  使用微信小程序插件29

1.7.3  发布微信小程序35

第 2章  前端开发基础39

2.1  背景知识概述39

2.2  HTML基础40

2.2.1  HTML文档基本结构41

2.2.2  常用标签49

2.3  CSS基础55

2.3.1  CSS的3种使用方法55

2.3.2  CSS选择器56

2.4  JavaScript基础56

2.5  与Google扩展程序相关的JavaScriptAPI58

2.6  深度学习中的JavaScript61

2.6.1  JavaScript数据类型61

2.6.2  JavaScript异步编程63

2.7  微信小程序开发67

2.7.1  微信小程序框架结构分析68

2.7.2  页面描述文件72

2.7.3  页面样式文件87

2.7.4  逻辑层文件88

2.7.5  小程序的事件系统91

第3章  深度学习概述95

3.1  深度学习环境95

3.1.1  云端深度学习环境选择95

3.1.2  本地深度学习环境搭建104

3.2  深度学习框架105

3.3  TensorFlow 2基础113

3.3.1  数据类型113

3.3.2  数值精度115

3.3.3  操作和计算图116

3.3.4  自动微分和梯度带117

3.3.5  广播机制118

3.3.6  框架概述118

3.4  深度学习基础119

3.4.1  BP神经网络120

3.4.2  激活函数121

3.4.3  softmax函数126

3.4.4  损失函数126

3.4.5  梯度下降算法130

3.4.6  反向传播132

第4章  TensorFlow.js框架详解134

4.1  TensorFlow.js框架概述134

4.2  TensorFlow.js低阶API详解136

4.2.1  张量操作方法136

4.2.2  数学运算148

4.3  TensorFlow.js高阶API详解153

4.3.1  构建模型154

4.3.2  模型配置160

4.3.3  模型训练160

4.3.4  模型评估160

4.3.5  模型转换164

4.4  TensorFlow.js Vis库详解166

4.4.1  Visor接口方法介绍167

4.4.2  模型可视化168

4.4.3  数据可视化173

4.4.4  模型评价指标175

4.5  其他API176

4.5.1  数据操作176

4.5.2  浏览器操作183

4.5.3  性能优化184

4.5.4  正则化185

4.5.5  早停法185

第5章  卷积神经网络187

5.1  卷积神经网络概述187

5.2  卷积层188

5.3  池化层192

5.4  轻量级的卷积神经网络194

5.4.1  SqueezeNet195

5.4.2  MobileNetV1198

5.4.3  ShuffleNetV1201

5.4.4  Xception203

第6章  TensorFlow.js基础案例206

6.1  线性回归207

6.1.1  案例简介207

6.1.2  代码实现207

6.2  logistical回归211

6.2.1  案例简介211

6.2.2  代码实现211

6.3  XOR问题215

6.3.1  案例简介215

6.3.2  代码实现216

6.4  加载与应用MobileNet模型220

6.4.1  案例简介220

6.4.2  代码实现220

6.5 《你画我猜》（MNIST手写数字版）224

6.5.1  案例简介224

6.5.2  代码实现224

第7章  TensorFlow官方数据集实战231

7.1  boston_housing数据集与实战案例231

7.1.1  数据集介绍231

7.1.2  房价预测实战232

7.2  与CIFAR-10数据集相关的实战案例235

7.2.1  数据集介绍235

7.2.2  在Anaconda3 Jupyter Notebook中加载数据集235

7.2.3  在Kaggle中导入CIFAR-10数据集236

7.2.4  从本地导入CIFAR-10数据集240

7.3  与CIFAR-100数据集相关的实战案例248

7.3.1  数据集介绍248

7.3.2  数据集展示249

7.4  与MNIST数据集相关的实战案例253

7.4.1  数据集介绍253

7.4.2  数据集展示253

7.5  与Fashion_MNIST数据集相关实战案例255

7.5.1  数据集介绍255

7.5.2  数据集加载256

7.6  基于CNN的MNIST手写数字识别257

7.6.1  自定义网络模型257

7.6.2  微信小程序部署261

第8章  基于CNN的常见水果分类识别266

8.1  数据集介绍266

8.2  数据集标注269

8.3  数据预处理277

8.3.1  数据文件读取277

8.3.2  文件解码278

8.3.3  文件数据类型转换278

8.3.4  数据归一化280

8.4  模型概览282

8.5  模型设计284

8.6  模型配置284

8.7  模型训练285

8.8  模型评估286

8.9  模型部署289

8.9.1  在微信小程序中加载模型289

8.9.2  在Google浏览器中加载模型291

第9章  基于PoseNet的人体姿态检测293

9.1  项目概述293

9.2  项目初始化294

9.2.1  添加camera组件295

9.2.2  添加canvas对象296

9.3  模型加载296

9.4  姿态检测297

9.5  预测结果绘制301

9.6  效果展示302

第 10章  基于Coco SSD的目标检测303

10.1  项目概述303

10.2  项目初始化304

10.2.1  添加camera组件304

10.2.2  添加canvas对象305

10.3  模型加载305

10.4  目标检测305

10.5  预测结果绘制307

10.6  效果展示307

第 11章  OCR技术309

11.1  OCR技术概述310

11.2  OCR工具推荐311

11.3  微信OCR315

11.3.1  插件配置信息316

11.3.2  页面结构设计317

11.3.3  页面逻辑功能318

11.4  Google扩展程序OCR319

11.4.1  插件配置信息319

11.4.2  页面结构设计320

11.4.3  页面逻辑功能321

11.4.4  后台脚本322

第 12章  神奇的人工智能324

12.1  个人网站恶意评论检测324

12.1.1  项目简介324

12.1.2  代码实现326

12.1.3  效果展示330

12.2  微信同声传译331

12.2.1  项目简介331

12.2.2  代码实现332

12.2.3  效果展示333

12.3  Google面馆正式营业了334

12.4  猜画小歌335

12.5  Face Touch Monitor335

12.6  Teachable Machine336

12.7  其他案例337