TENSORFLOW移动端机器学习实战
全新正版 假一赔十 可开发票
￥ 51.84 6.6折 ￥ 79 全新
仅1件
天津西青
认证卖家担保交易快速发货售后保障
作者王众磊
出版社电子工业出版社
ISBN9787121374265
出版时间2019-10
装帧其他
开本其他
定价79元
货号1201951889
上书时间2024-12-12
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
"王众磊
TensorFlow的开发者之一，具有二十多年的留学和工作经验。现定居美国硅谷，长期从事软件开发工作，发表靠前论文及靠前多项。曾在谷歌等多家大型靠前公司及初创企业工作过，有丰富的靠前、靠前开发及管理经验。
近几年以移动端开发、边缘计算、云计算和机器学习为主，从事开发和管理工作。工作之余喜欢和家人一起去各地旅游、打高尔夫球、滑雪等。
陈海波
深兰科技DeepBlue Technology的创始人，南京工业大学特聘教授，清华大学—深兰科技机器视觉联合研究中心管理委员会主任；上海交通大学—深兰科技人工智能联合实验室管理委员会主任、中南大学—深兰科技人工智能联合研究院专家委员会委员，致力于人工智能的基础研究和应用开发，创建的深兰科学院拥有人工智能研究院、科学计算研究院、生命及AI脑科学院、自动化研究院和智能汽车研究院。
团队拥有包括CVPR、PAKDD、IEEEISI等多项靠前竞赛优选成绩，在自动驾驶和整车、机器人研发及制造、生物科技、自然语言处理（语义智能）、数据挖掘等领域都有深度布局。
"
目录
目 录
章 机器学习和TensorFlow简述1
1.1 机器学习和TensorFlow的历史及发展现状1
1.1.1 人工智能和机器学习1
1.1.2 TensorFlow3
1.1.3 TensorFlow Mobile5
1.1.4 TensorFlow Lite5
1.2 在移动设备上运行机器学习的应用6
1.2.1 生态和现状7
1.2.2 从移动优先到人工智能优先8
1.2.3 人工智能的发展9
1.2.4 在移动设备上进行机器学习的难点和挑战9
1.2.5 TPU10
1.3 机器学习框架11
1.3.1 CAFFE211
1.3.2 Android NNAPI12
1.3.3 CoreML12
1.3.4 树莓派（Raspberry Pi）13
第2章 构建开发环境14
2.1 开发主机和设备的选择14
2.2 在网络代理环境下开发15
2.3 集成开发环境IDE16
2.3.1 Android Studio16
2.3.2 Visual Studio Code16
2.3.3 其他IDE18
2.4 构建工具Bazel18
2.4.1 Bazel生成调试19
2.4.2 Bazel Query命令20
2.5 装载TensorFlow20
2.6 文档25
第3章 基于移动端的机器学习的开发方式和流程26
3.1 开发方式和流程简介26
3.2 使用TPU进行训练28
3.3 设备端进行机器学习训练35
3.4 使用TensorFlow Serving优化TensorFlow模型41
3.4.1 训练和导出TensorFlow模型42
3.4.2 使用标准TensorFlow ModelServer加载导出的模型50
3.4.3 测试服务器50
3.5 TensorFlow扩展（Extended）54
第4章 构建TensorFlow Mobile55
4.1 TensorFlow Mobile的历史55
4.2 TensorFlow代码结构55
4.3 构建及运行61
4.3.1 代码的流程67
4.3.2 代码的依赖性68
4.3.3 性能和代码跟踪69
第5章 用TensorFlow Mobile构建机器学习应用71
5.1 准备工作71
5.2 图像分类（Image Classification）74
5.2.1 应用74
5.2.2 模型85
5.3 物体检测（Object Detection）87
5.3.1 应用87
5.3.2 模型92
5.4 时尚渲染（Stylization）95
5.4.1 应用95
5.4.2 模型96
5.5 声音识别（Speech Recognization）96
5.5.1 应用96
5.5.2 模型99
第6章 TensorFlow Lite的架构101
6.1 模型格式102
6.1.1 Protocol Buffer102
6.1.2 FlatBuffers105
6.1.3 模型结构112
6.1.4 转换器（Toco）113
6.1.5 解析器（Interpreter）119
6.2 底层结构和设计123
6.2.1 设计目标123
6.2.2 错误反馈124
6.2.3 装载模型125
6.2.4 运行模型126
6.2.5 定制演算子（CUSTOM Ops）128
6.2.6 定制内核132
6.3 工具133
6.3.1 图像标注（label_image）133
6.3.2 最小集成（Minimal）143
6.3.3 Graphviz143
6.3.4 模型评效148
第7章 用TensorFlow Lite构建机器学习应用151
7.1 模型设计151
7.1.1 使用预先训练的模型151
7.1.2 重新训练152
7.1.3 使用瓶颈（Bottleneck）154
7.2 开发应用158
7.2.1 程序接口158
7.2.2 线程和性能162
7.2.3 模型优化163
7.3 TensorFlow Lite的应用170
7.3.1 声音识别173
7.3.2 图像识别177
7.4 TensorFlow Lite使用GPU178
7.4.1 GPU与CPU性能比较178
7.4.2 开发GPU代理（Delegate）178
7.5 训练模型182
7.5.1 仿真器183
7.5.2 构建执行文件183
第8章 移动端的机器学习开发186
8.1 其他设备的支持186
8.1.1 在iOS上运行TensorFlow的应用186
8.1.2 在树莓派上运行TensorFlow189
8.2 设计和优化模型190
8.2.1 模型大小191
8.2.2 运行速度192
8.2.3 可视化模型196
8.2.4 线程196
8.2.5 二进制文件大小197
8.2.6 重新训练移动数据197
8.2.7 优化模型加载198
8.2.8 保护模型文件198
8.2.9 量化计算199
8.2.10 使用量化计算202
8.3 设计机器学习应用程序要点207
第9章 TensorFlow的硬件加速209
9.1 神经网络接口209
9.1.1 了解Neural Networks API运行时210
9.1.2 Neural Networks API编程模型211
9.1.3 NNAPI 实现的实例213
9.2 硬件加速222
9.2.1 高通网络处理器223
9.2.2 华为HiAI Engine229
9.2.3 简要比较235
9.2.4 开放式神经网络交换格式236
0章 机器学习应用框架237
10.1 ML Kit237
10.1.1 面部识别（Face Detection）242
10.1.2 文本识别247
10.1.3 条形码识别248
10.2 联合学习（Federated Learning）248
1章 基于移动设备的机器学习的未来252
11.1 TensorFlow 2.0和路线图252
11.1.1 更简单的开发模型253
11.1.2 更可靠的跨平台的模型发布254
11.1.3 TensorFlow Lite254
11.1.4 TensorFlow 1.0 和TensorFlow 2.0的不同255
11.2 人工智能的发展方向255
11.2.1 提高人工智能的可解释性255
11.2.2 贡献社会256
11.2.3 改善社会258
内容摘要
TensorFlow已经成为机器学习的流行框架和工业届标准，早期的TensorFlow以云端和数据中心中的机器学习为主，近期的一个趋势是，逐渐向移动端和设备端转移。推动这个趋势的动力包括人们对机器学习理论和认知的提高、算法及技术的改进、软件和硬件性能的提高，以及专有硬件的出现等，更主要的是，用户的需求和越来越丰富的场景需求。现在靠前移动用户已超15亿，优选移动用户已超过51亿，2019年IoT装置数量预计将超过优选人口总数。我们相信，在未来，云端和移动端相结合的人工智能和设备端独立的人工智能应用会慢慢成为主流。作为TensorFlow的开发者和使用者，本书作者完整地讲解了使用TensorFlow进行端到端开发的实例和开发技巧，同时分享了如何使用开源工具进行软件开发的很好工程实践和经验。本书提供了多方面的视角帮助读者开启不同的思路，即使把本书作为一本软件开发和工程开发的书籍来读，也会使读者受益匪浅。
主编推荐
"通过本书，你将学会如何使用TensorFlow进行移动端机器学习应用的开发，以及了解如下内容：
● TensorFlow对移动平台支持的起源和思路
● TensorFlow对硬件加速技术的支持
● TensorFlow Lite的架构和实现原理
● TensorFlow在各种移动平台和嵌入式平台上的开发实例
● 基于TensorFlow和谷歌云进行机器学习的方法
● 基于TensorFlow的机器学习服务框架
● 基于TensorFlow的各种开源技术和工程实践
"
精彩内容
"前 言
2018年，我有很长一段时间在中国和美国两地跑，同时在国内工作和生活了比较长的一段时间，这是我近二十年来次和国内的开发者一起长时间工作。在享受各种美食之外，对国内的开发、产品和管理有了全新的了解和认识。
说起写书的起源，我本来的想法只是写一点可以作为国内工程师培训教材的东西。2018年初，TensorFlow作为一个技术热点，逐渐普及到机器学习应用开发的各个方面，但是对于TensorFlow在移动端的开发和应用还处于初始阶段。我当时也刚刚结束一个TensorFlow项目，想把这些经验和想法沉淀一下。于是我就把以前写的笔记和日志重新整理，添加一些内容并修改了文字，基本形成了一个原始版本。
后来，遇到博文视点的南海宝编辑，通过商谈，出版社欣然同意把这些资料整理出书。我的笔记和日志的内容很多和代码紧密相关，其中很多内容后来演变成了文档，我觉得这对初学者和有经验的开发者都是一个很好的参考，至少可以提供另外一个视角，让开发者多方面了解TensorFlow。所以，我就开始写作，前后花费了近两年的时间。
我是一边写作一边工作的，在这个过程中很快就遇到了两个很大的挑战。
是文字。我的笔记都是英文的，要把这些转换成中文，我借助了谷歌翻译，虽然翻译后的文字有很多需要修改，但至少省下了不少打字的时间。另外，就是专有术语的翻译，由于我对中文的专业术语不熟悉，所以即使简单的术语也要斟酌确定，这也花费了一些时间。如果读者在文字中发现一些奇怪的说法，还请见谅，我和编辑虽然尽了优选的努力，可能还是会有很多遗漏。
第二是重新认识和了解了国内开发的方方面面。我在美国和国内的开发者也有不少接触，我想在两边工作应该不会有什么差别，可实际工作起来还是有很多不同和挑战，感触颇深。首先是技术层面。开源的理念和软件在国内渗透到各个方面，几乎所有互联网公司都是从使用开源软件开始搭建自己的产品。由于谷歌在开源社区的贡献和影响力，国内普遍对谷歌的好感度很高，我也同享了这个荣耀。而且，很多公司和开发者也把对开源社区做出贡献看作责任和荣耀，这是一个很好的趋势，中国很快会发展出自己的开源生态和社区。
关于开发环境和工程师文化，我想提一下两边对新员工培训的区别。在国内对员工的培训中，职业道德培训和公司文化的培训占了很大一部分。而在硅谷，至少像谷歌、脸书这些公司，培训中技术培训占了很大一部分，基本是一周的培训后，员工就要进行实际的工作，而国内很多公司的新员工第二周才开始技术工作。这里我能充分感受到中美公司之间的差别。
另外是开发管理方法，由于管理方法的不同，实际的工作中要做相应的改变。比如国内对开发和产品的进度的管理是非常严格的。但是，这种严格大都体现在层级的汇报关系上，而不是对技术细节的掌控和指导上。谷歌的工程师会经常以代码的提交作为一个工程开始和结束的标志，这在国内公司很少见到。
我希望把这些经验、想法和体会能或多或少体现在这本书里。比如，使用Markdown写文档，能使写文档变成一件不是很烦琐的事，可以让作者更专注于内容的写作，而不是花费太多时间在操作编辑器上。本书就是全部用Markdown写作完成，再转换成Word文档的。比如，使用Bazel编译，需要对代码的依赖有清晰的定义。可能很多工程师不会特别在意这点，但是通过它，工程师可以非常清楚地了解代码重用和引用的状况，避免随意的代码重用，并提高代码的质量。我希望通过这些在书中给读者传达一些不同的开发经验。
总之，我会把这本书作为2018年工作和生活的一个纪念。看到书中的各个章节，我就可以联想起写书时发生的许多人和事。但是，真的由于时间和我自己的能力非常有限，书中一定会有很多错误和瑕疵，还望读者能宽容和谅解。
最后，要感谢我的家人能支持和陪伴我度过2018年，我和我的母亲一起度过了2018年春节，是近20年来在国内度过的个春节。还要感谢我的妻子，她非常支持我，并帮助我写完这本书。还有我的两个女儿，总是能给我带来无尽的快乐，还要感谢深兰科技的创始人陈海波先生和首席战略官王博士，两位帮助我完成这本书，并提出了很多意见。
另外，感谢博文视点给我这个机会出版这本书，希望通过这本书能结识更多的开发者。还要感谢南海宝编辑在本书写作和出版过程中给予的指导和鼓励。"
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价