行動裝置上的 AI:使用 TensorFlow on iOS Android 及樹莓派
王眾磊、陳海波
- 出版商: 深智數位
- 出版日期: 2020-05-20
- 定價: $680
- 售價: 8.5 折 $578
- 語言: 繁體中文
- 頁數: 336
- 裝訂: 平裝
- ISBN: 9865501317
- ISBN-13: 9789865501310
-
相關分類:
Android、Apple Developer、Raspberry Pi、DeepLearning、TensorFlow
- 此書翻譯自: TensorFlow 移動端機器學習實戰
立即出貨 (庫存 < 11)
買這商品的人也買了...
-
$301單元測試的藝術 - 以 C# 為範例『第二版』
-
$680$537 -
$590$460 -
$550$429 -
$780$663 -
$580$452 -
$690$587 -
$1,200$948 -
$480$379 -
$780$663 -
$620$484 -
$580$458 -
$690$587 -
$780$663 -
$650$507 -
$580$458 -
$550$275 -
$780$663 -
$500$390 -
$1,200$1,020 -
$880$695 -
$750$593 -
$450$338 -
$580$458 -
$500$395
相關主題
商品描述
本書特色
◎ TensorFlow開發者之一的傾力著作,最佳工程實作
◎ 全面、深入、實例多,一本掌握Google 深度學習框架
◎ TensorFlow行動端開發及端到端應用開發的實戰寶典
內容簡介
本書重點
◎ 用電腦玩AI不稀奇,在行動裝置上執行才夠力
◎ 最新行動端的AI架構,包括NNAPI、CoreML
◎ 在Android、 iOS及樹莓派上開發視覺及語音AI應用程式
◎ 使用TensorFlow Serving+TPU訓練及最佳化模型
◎ TensorFlow Mobile執行影像分類、物體偵測、時尚、聲音識別
◎ TensorFlow Lite+GPU的使用,還有ML Kit
本書主要內容
作為TensorFlow的開發者和使用者,作者完整地講解使用TensorFlow進行端到端開發的實例和開發技巧,同時分享如何使用開源工具進行軟體發展的工程實作和經驗。本書提供全方位的視角説明為讀者開啟不同的思路,即使作為一本軟體發展和工程開發的書籍閱讀,也會使讀者受益匪淺。
全書大綱如下
►機器學習和TensorFlow 簡述
►建置開發環境
►以行動端為基礎的機器學習的開發方式和流程
►建置TensorFlow Mobile
►用TensorFlow Mobile 建置機器學習應用
► TensorFlow Lite 的架構
►用TensorFlow Lite 建置機器學習應用
►行動端的機器學習開發
►TensorFlow 的硬體加速
►機器學習應用架構
►以行動裝置為基礎的機器學習的未來
適合讀者群:機器學習初學者、對機器學習感興趣者,或大專院校相關科系學生。
作者簡介
王眾磊
TensorFlow的開發者之一,現定居美國矽谷,長期從事軟體發展工作,常在國際上發表論文並有多項國際專利。曾在Google等多家大型國際公司及初創企業工作,有豐富的中國、國際開發及管理經驗。
近幾年以行動端開發、邊緣運算、雲端運算和機器學習為主,從事開發和管理工作。工作之餘喜歡和家人一起去各地旅遊、打高爾夫球、滑雪等。
陳海波
深蘭科技DeepBlue Technology創始人,南京工業大學特聘教授,清華大學—深蘭科技機器視覺聯合研究中心管理委員會主任;上海交通大學—深蘭科技人工智慧聯合實驗室管理委員會主任、中南大學—深蘭科技人工智慧聯合研究院專家委員會委員。
致力於人工智慧的基礎研究和應用開發,創建的深蘭科學院擁有人工智慧研究院、科學計算研究院、生命及AI腦科學院、自動化研究院和智慧汽車研究院。團隊擁有包括CVPR、PAKDD、IEEEISI等多項國際競賽冠軍成績,在自動駕駛和整車、機器人研發及製造、生物科技、自然語言處理(語義智慧)、資料採擷等領域都有深度佈局。
目錄大綱
目錄
前言
01 機器學習和TensorFlow 簡述
1.1 機器學習和TensorFlow 的歷史及發展現狀
1.2 在行動裝置上執行機器學習的應用
1.3 機器學習架構
02 建置開發環境
2.1 開發主機和裝置的選擇
2.2 在網路代理環境下開發
2.3 整合式開發環境IDE
2.4 建置工具Bazel
2.5 載入TensorFlow
2.6 文件
03 以行動端為基礎的機器學習的開發方式和流程
3.1 開發方式和流程簡介
3.2 使用TPU 進行訓練
3.3 裝置端進行機器學習訓練
3.4 使用TensorFlow Serving 最佳化TensorFlow 模型
3.5 TensorFlow 擴充(Extended)
04 建置TensorFlow Mobile
4.1 TensorFlow Mobile 的歷史
4.2 TensorFlow 程式結構
4.3 建置及執行
05 用TensorFlow Mobile 建置機器學習應用
5.1 準備工作
5.2 影像分類(Image Classification)
5.3 物體檢測(Object Detection)
5.4 時尚繪製(Stylization)
5.5 聲音識別(Speech Recognization)
06 TensorFlow Lite 的架構
6.1 模型格式
6.2 底層結構和設計
6.3 工具
07 用TensorFlow Lite 建置機器學習應用
7.1 模型設計
7.2 開發應用
7.3 TensorFlow Lite 的應用
7.4 TensorFlow Lite 使用GPU
7.5 訓練模型
08 行動端的機器學習開發
8.1 其他裝置的支援
8.2 設計和最佳化模型
8.3 設計機器學習應用程式要點
09 TensorFlow 的硬體加速
9.1 神經網路介面
9.2 硬體加速
10 機器學習應用架構
10.1 ML Kit
10.2 聯合學習(Federated Learning)
11 以行動裝置為基礎的機器學習的未來
11.1 TensorFlow 2.0 和路線圖
11.2 人工智慧的發展方向