作  者:

定  價:109

出 版 社:機械工業出版社

出版日期:2022年02月01日

頁  數:276

裝  幀:平裝

ISBN:9787111698791

來自IT大廠一線研發工程師的實戰經驗，詳解TensorFlow Lite機器學習和深度學習程序開發的關鍵技術。作者為浪潮雲資深機器學習開發專家。

●前言
第1章 人工智能開發基礎
1.1人工智能的基礎知識
1.1.1人工智能介紹
1.1.2人工智能的發展歷程
1.1.3人工智能的兩個重要發展階段
1.1.4和人工智能相關的幾個重要概念
1.2機器學習
1.2.1什麼是機器學習
1.2.2機器學習的3個發展階段
1.2.3機器學習的分類
1.2.4深度學習和機器學習的對比
1.3使用Python學習人工智能開發
1.3.1Python在人工智能方面的優勢
1.3.2常用的Python庫
1.4TensorFlow開源庫
1.4.1TensorFlow介紹
1.4.2TensorFlow的優勢
1.4.3TensorFlow Lite介紹

第2章 編寫第一個TensorFlow Lite程序
2.1安裝環境要求
2.1.1硬件要求
2.1.2軟件要求
2.2安裝TensorFlow
2.2.1使用pip安裝TensorFlow
2.2.2使用Anaconda安裝TensorFlow
2.2.3安裝TensorFlow Lite解釋器
2.2.4解決速度過慢的問題
2.3準備開發工具
2.3.1使用PyCharm開發並調試運行TensorFlow程序
2.3.2使用Colaboratory開發並調試運行TensorFlow程序
2.4開發TensorFlow Lite程序的流程
2.4.1準備模型
2.4.2轉換模型
2.4.3使用模型進行推斷
2.4.4優化模型
2.5在Android中創建TensorFlow Lite
2.5.1需要安裝的工具
2.5.2新建Android工程
2.5.3使用JCenter中的TensorFlow Lite AAR
2.5.4運行和測試

第3章 創建模型
3.1創建TensorFlow模型
3.1.1在PyCharm環境實現
3.1.2在Colaboratory環境實現
3.2基於TensorFlow機器學 算法創建模型
3.2.1線性回歸算法
3.2.2邏輯回歸算法
3.2決策樹算法
3.2.4Bagging算法
3.2.5Boosting算法
3.2.6隨機森林算法
3.2.7K近鄰算法

第4章 轉換模型
4.1TensorFlow Lite轉換器
4.1.1轉換方式
4.1.2將TensorFlow RNN轉換為TensorFlow Lite
4數據添加到 TensorFlow Lite 模型
4.2.數據格式的模型
4.2.2使用Flatbuffers Python AP數據
4.3使用TensorFlow Lite Task Library
4.4手寫數字識別器
4.4.1繫統介紹
4.4.2創建TensorFlow數據模型
4.4.3將Keras模型轉換為TensorFlow Lite
4.4.4Android手寫數字識別器

第5章 推斷
5.1TensorFlow Lite推斷的基本知識
5.1.1推斷的基本步驟
5.1.2推斷支持的平臺
5.2運行模型
5.2.1在Java程序中加載和運行模型
5.2.2在 Swift程序中加載和運行模型
5.2.3在ObjectiveC程序中加載和運行模型
5.2.4在ObjectiveC中使用C API
5.2.5在 C++中加載和運行模型
5.2.6在 Python中加載和運行模型
5.3運算符操作
5.3.1運算符操作支持的類型
5.3.2從TensorFlow中選擇運算符
5.3.3自定義運算符
5.3.4融合運算符
5.數據進行推斷
5.數據推斷基礎
5.4.數據生成模型接口
5.4.3使用TensorFlow Lite代碼生成器生成模型接口
5.5通過Task庫集成模型
5.5.1Task Library可以提供的內容
5.5.2支持的任務
5.5.3集成圖像分類器
5.6自定義輸入和輸出

第6章 優化處理
6.1性能優化
6.2TensorFlow Lite委托
6.2.1選擇委托
6.2.2評估工具
6.3TensorFlow Lite GPU代理
6.3.1在Android中使用TensorFlow Lite GPU代理
6.3.2在iOS中使用TensorFlow Lite GPU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加速的優勢
6.4.2Android中的硬件加速
6.4.3iOS中的硬件加速
6.4.4輸入輸出緩衝器
6.5模型優化
6.5.1模型量化
6.5.2訓練後量化
6.5.3訓練後動態範圍量化
6.5.4訓練後整數量化

第7章 微控制器
7.1適用於微控制器的 TensorFlow Lite
7.2官方示例
7.2.1Hello World示例
7.2.2微語音示例
7.3C++庫
7.3.1文件結構
7.3.2開始新項目
7.3.3寫入新設備
7.3.4構建二進制文件
7.3.5優化內核
7.3.6生成 Arduino 庫

第8章 物體檢測識別繫統
8.1繫統介紹
8.2準備模型
8.2.1模型介紹
8.2.2自定義模型
8.3Android物體檢測識別器
8.3.1準備工作
8.3.2頁面布局
8.3.3實現主Activity
8.3.4物體識別界面
8.3.5相機預覽界面拼接
8.3.6lib_task_api方案
8.3.7lib_interpreter方案
8.4iOS物體檢測識別器
8.4.1繫統介紹
8.4.2視圖文件
8.4.3相機處理
8.4.4處理TensorFlow Lite模型

第9章 姿勢預測器
9.1繫統介紹
9.2準備模型
9.2.1身體部位監測點說明
9.2.2導入TensorFlow Lite模型
9.3Android姿勢預測器
9.3.1準備工作
9.3.2頁面布局
9.3.3實現主Activity
9.3.4圖像處理
9.3.5姿勢識別

本書循序漸進地講解了在移動設備中使用TensorFlow Lite開發機器學習和深度學習程序的核心知識，並通過具體實例演練了各知識點的使用方法和流程。全書共9章，分別講解了人工智能開發基礎、編寫第一個TensorFlow Lite程序、創建模型、轉換模型、推斷、優化處理、微控制器、物體檢測識別繫統和姿勢預測器。全書簡潔而不失技術深度，內容豐富全面，以簡明的文字介紹了復雜的案例。同時書中配有二維碼視頻，結合視頻講解可加深對相關內容的理解，是學習TensorFlow Lite開發的實用教程。TensorFlow Lite移動端深度學習適用於已經了解Python語言基礎語法和TensorFlow基礎，希望進一步提高自己Python開發水平的讀者閱讀，還可以作為大中專院校和相關培訓學校的專業教程。

濤 編