新書推薦：
《
虚弱的反攻：开禧北伐
》
售價：NT$
429.0
《
泰山：一种中国信仰专论（法国汉学经典译丛）
》
售價：NT$
380.0
《
花外集斠箋
》
售價：NT$
704.0
《
有兽焉.8
》
售價：NT$
305.0
《
大学问·明清经济史讲稿
》
售價：NT$
330.0
《
中国国际法年刊（2023）
》
售價：NT$
539.0
《
早点知道会幸福的那些事
》
售價：NT$
295.0
《
迈尔斯普通心理学
》
售價：NT$
760.0
|
| 編輯推薦： |
《TensorFlow Lite移动设备深度学习从入门到实践》的特色如下：
内容全面实用
本书从一开始便对TensorFlow Lite开发的流程进行了详细介绍，而且在讲解中结合了多个实用性很强的项目案例，带领读者掌握TensorFlow Lite开发的相关知识，以解决实际工作中的问题。
实例驱动教学
本书采用理论加实例的教学方式，通过对这些实例实现了对知识点的横向切入和纵向比较，让读者有更多的实践演练机会，并且可以从不同的方位展现一个知识点的用法。
扫码看视频讲解
本书每个二级目录后面都放置了一个二维码，扫描二维码可以在线观看视频讲解，读者可以一边阅读图书，一边在线观看视频，提高学习效率，加深对书中案例的理解和应用。
|
| 內容簡介： |
|
《TensorFlow Lite移动设备深度学习从入门到实践》循序渐进地讲解了使用 TensorFlow Lite开发移动设备深度学习程序的核心知识，并通过具体实例的实现过程演练了使用TensorFlow Lite 的方法和流程。全书共12章，分别讲解了人工智能和机器学习基础、搭建开发环境、个 TensorFlow Lite程序、转换模型、推断、使用元数据进行推断、优化处理、手写数字识别器、鲜花识别系统、情感文本识别系统、物体检测识别系统、智能客服系统。 《TensorFlow Lite移动设备深度学习从入门到实践》简洁而不失其技术深度，内容丰富全面，易于阅读，以极简的文字介绍了复杂的案例，适用于已经了解了Python语言基础语法的读者，以及想进一步学习机器学习和深度学习技术的读者，还可以作为大专院校相关专业的师生用书和培训学校的专业性教材。
|
| 關於作者： |
|
张元勇，中国海洋大学计算机硕士，浪潮信息开发工程师，浪潮软件大数据实验室数据挖掘专家。精通C语言、Java、C 、PHP、Python等开发语言，擅长数据挖掘和可视化处理，熟悉Linux、Apache等相关开发平台技术。日常负责在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等工作。
|
| 目錄：
|
第1 章 人工智能和机器学习基础 1
1.1 人工智能的基础知识 2
1.1.1 人工智能介绍 2
1.1.2 人工智能的发展历程 2
1.1.3 人工智能的两个重要发展阶段 3
1.1.4 和人工智能相关的几个重要概念 3
1.2 机器学习的基础知识 4
1.2.1 机器学习介绍 4
1.2.2 机器学习的三个发展阶段 4
1.2.3 机器学习的分类 5
1.2.4 深度学习和机器学习的对比 5
1.3 人工智能的研究领域和应用场景 7
1.3.1 人工智能的研究领域 7
1.3.2 人工智能的应用场景 8
1.3.3 人工智能的未来目标 9
1.4 机器学习的步骤 10
1.5 使用Python 学习人工智能开发 10
1.5.1 Python 在人工智能方面的优势 10
1.5.2 常用的Python 库 11
1.6 TensorFlow 基础 12
1.6.1 TensorFlow 介绍 12
1.6.2 TensorFlow 的优势 13
1.6.3 TensorFlow Lite 介绍 13
第2 章 搭建开发环境 15
2.1 安装环境要求 16
2.1.1 硬件要求 16
2.1.2 软件要求 16
2.2 安装TensorFlow 16
2.2.1 使用pip 安装TensorFlow 17
2.2.2 使用Anaconda 安装TensorFlow 18
2.2.3 安装TensorFlow Lite解释器 19
2.2.4 解决速度过慢的问题 20
2.3 准备开发工具 20
2.3.1 使用PyCharm 开发并调试运行TensorFlow 程序 21
2.3.2 使用Colaboratory 开发并调试运行TensorFlow 程序 21
第3 章 个TensorFlow Lite 程序 25
3.1 开发TensorFlow Lite 程序的流程 26
3.1.1 准备模型 26
3.1.2 转换模型 27
3.1.3 使用模型进行推理 28
3.1.4 优化模型 29
3.2 在Android 中创建TensorFlow Lite 30
3.2.1 需要安装的工具 30
3.2.2 新建Android 工程 30
3.2.3 使用JCenter 中的TensorFlow Lite AAR 31
3.2.4 运行和测试 32
第4 章 转换模型 35
4.1 TensorFlow Lite 转换器 36
4.1.1 转换方式 36
4.1.2 将TensorFlow RNN 转换为TensorFlow Lite 39
4.2 将元数据添加到 TensorFlow Lite模型 43
4.2.1 具有元数据格式的模型 43
4.2.2 使用Flatbuffers Python API 添加元数据 44
第5 章 推断 49
5.1 TensorFlow Lite 推断的基本知识 50
5.1.1 推断的基本步骤 50
5.1.2 推断支持的平台 50
5.2 运行模型 51
5.2.1 在Java 程序中加载和运行模型 51
5.2.2 在 Swift 程序中加载和运行模型 53
5.2.3 在Objective-C 程序中加载和运行模型 54
5.2.4 在Objective-C 中使用C API 55
5.2.5 在 C 中加载和运行模型 55
5.2.6 在 Python 中加载和运行模型 56
5.3 运算符操作 58
5.3.1 运算符操作支持的类型 58
5.3.2 从TensorFlow 中选择运算符 59
5.3.3 自定义运算符 61
5.3.4 融合运算符 66
第6 章 使用元数据进行推断 67
6.1 元数据推断简介 68
6.2 使用元数据生成模型接口 68
6.2.1 使用 Android Studio 机器学习模型进行绑定 68
6.2.2 使用TensorFlow Lite 代码生成器生成模型接口 71
6.3 通过Task 库集成模型 73
6.3.1 Task Library 可以提供的内容 73
6.3.2 支持的任务 73
6.3.3 集成图像分类器 74
6.4 自定义输入和输出 75
第7 章 优化处理 81
7.1 性能优化 82
7.2 TensorFlow Lite 委托 84
7.2.1 选择委托 84
7.2.2 评估工具 85
7.3 TensorFlow Lite GPU 代理 87
7.3.1 在Android 中使用TensorFlow Lite GPU 代理 87
7.3.2 在iOS 中使用TensorFlow LiteGPU 代理 88
7.3.3 在自己的模型上使用GPU代理 89
7.4 模型优化 90
7.4.1 模型量化 90
7.4.2 训练后量化 91
7.4.3 训练后动态范围量化 93
第8 章 手写数字识别器 103
8.1 系统介绍 104
8.2 创建模型 104
8.2.1 创建TensorFlow 数据模型 104
8.2.2 将Keras 模型转换为TensorFlow Lite 108
8.3 Android 手写数字识别器 110
8.3.1 准备工作 110
8.3.2 页面布局 112
8.3.3 实现Activity 113
8.3.4 实现TensorFlow Lite 识别 115
第9 章 鲜花识别系统 121
9.1 系统介绍 122
9.2 创建模型 122
9.2.1 创建TensorFlow 数据模型 122
9.2.2 将Keras 模型转换为TensorFlow Lite 127
9.2.3 量化处理 129
9.2.4 更改模型 130
9.3 Android 鲜花识别器 132
9.3.1 准备工作 132
9.3.2 页面布局 134
9.3.3 实现UI Activity 136
9.3.4 实现主Activity 137
9.3.5 图像转换 142
9.3.6 使用 GPU 委托加速 147
第10 章 情感文本识别系统 149
10.1 系统介绍 150
10.2 创建模型 150
10.2.1 创建TensorFlow 数据模型 151
10.2.2 将Keras 模型转换为TensorFlow Lite 155
10.2.3 调整模型 156
10.3 Android 情感识别器 160
10.3.1 准备工作 161
10.3.2 页面布局 163
10.3.3 实现主Activity 164
10.3.4 lib_task_api 方案 166
10.3.5 lib_interpreter 方案 168
第11 章 物体检测识别系统 175
11.1 系统介绍 176
11.2 准备模型 176
11.2.1 模型介绍 176
11.2.2 自定义模型 177
11.3 Android 物体检测识别器 180
11.3.1 准备工作 180
11.3.2 页面布局 182
11.3.3 实现主Activity 186
11.3.4 物体识别界面 192
11.3.5 相机预览界面拼接 195
11.3.6 lib_task_api 方案 202
11.3.7 lib_interpreter 方案 204
第12 章 智能客服系统 211
12.1 系统介绍 212
12.2 准备模型 212
12.2.1 模型介绍 212
12.2.2 下载模型文件 213
12.3 Android 智能客服回复器 213
12.3.1 准备工作 213
12.3.2 页面布局 215
12.3.3 实现主Activity 216
12.3.4 智能回复处理 218
|
| 內容試閱：
|
人工智能就是我们平常所说的AI，全称是Artificial Intelligence。人工智能是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术学科。TensorFlow Lite是一种用于设备端推断的开源深度学习框架，可帮助开发者在移动设备、嵌入式设备和IoT设备上运行TensorFlow模型。也就是说，利用TensorFlow Lite，我们可以开发出能够在Android设备、iOS设备和IoT设备上使用的深度学习程序。
本书特色
1. 内容全面
本书详细讲解了使用TensorFlow Lite开发人工智能程序的技术知识，循序渐进地讲解了这些技术的使用方法和技巧，以帮助读者快速步入Python 人工智能开发的高手之列。
2. 实例驱动教学
本书采用理论加实例的教学方式，通过对这些实例的知识点进行横向切入和纵向比较，让读者有更多的实践演练机会，并且可以从不同的方位展现一个知识点的用法，真正实现了拔高的教学效果。
3. 详细介绍TensorFlow Lite开发的流程
本书从一开始便注重对TensorFlow Lite开发的流程进行详细介绍，而且在讲解中结合了多个实用性很强的数据分析案例，带领读者掌握TensorFlow Lite开发的相关知识，以解决实际工作中的问题。
4. 扫描二维码，获取配书学习资源
本书正文中每个二级标题后都放了一个二维码，读者可通过扫描二维码在线观看视频讲解，其中既包括实例讲解，也包括教程讲解。此外，读者还可以扫描右侧二维码获取书中案例源代码。
本书读者对象
● 软件工程师；
● Python 语言初学者和自学者；
● 机器学习开发人员；
● 数据库工程师和管理员；
● 研发工程师；
● 大学及中学教育工作者。
致 谢
本书在编写过程中，得到了清华大学出版社编辑的大力支持，正是各位专业人士求实、耐心和高效地工作，才使得本书能够在这么短的时间内出版。另外，也十分感谢我的家人给予的大力支持。本人水平毕竟有限，书中存在纰漏之处在所难免，恳请广大读者提出宝贵的意见或建议，以便修订并使之更臻完善。
后感谢您购买本书，希望本书能成为您编程路上的领航者，祝您阅读愉快！
编 者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
