新書推薦：
《
人人都想当网红？新媒体与注意力博弈
》
售價：NT$
354.0
《
对话的力量，风靡全球的教练式沟通
》
售價：NT$
307.0
《
人的行为
》
售價：NT$
499.0
《
北京中轴线知识一点通
》
售價：NT$
411.0
《
牛津世界历史研究指南
》
售價：NT$
978.0
《
人间珍贵：澎湃夜读集3
》
售價：NT$
354.0
《
孩子一生的底气
》
售價：NT$
307.0
《
撒哈拉海计划：技术、殖民与气候危机
》
售價：NT$
411.0
|
| 編輯推薦： |
|
1.本书是一本介绍移动终端人工智能应用开发和性能评测的工具书，包含了移动终端人工智能技术架构、神经网络模型、AI推理框架和深度学习编译器等内容，汇聚了多个主流供应商的移动终端AI技术框架和工具，通过应用实例系统地阐述了移动终端AI应用的开发、调试，以及AI应用性能的专业评测方法。对于移动终端AI应用开发者和爱好者是一本不错的入门指南；2.读者可从机械工业出版社华章分社图书网站下载书中实例源代码：http://www.hzbook.com。
|
| 內容簡介： |
|
本书适合那些对人工智能感兴趣，且具备一定移动终端应用程序开发经验的读者。如果您掌握一定的JAVA 、C++或Python语言开发知识，同时具备Android操作系统或IOS操作系统的应用的开发经验，将能迅速掌握基本的移动终端人工智能应用开发方法。如果您只是对人工智能技术感兴趣，相信本书也能带您了解人工智能技术是如何在移动终端上部署和运行的。
|
| 目錄：
|
|
前言第1章 移动终端人工智能技术概述11.1 人工智能技术发展概况11.1.1 人工智能技术的发展历程11.1.2 数据和算法成为主要驱动力31.1.3 人工智能技术的应用趋势61.2 机器学习与软件框架技术概述81.2.1 机器学习81.2.2 深度学习101.2.3 深度学习为多个应用技术领域 带来突破111.2.4 自动化机器学习121.2.5 算法与模型141.2.6 训练与推理161.2.7 深度学习框架181.3 移动终端人工智能应用221.3.1 AI移动终端快速发展221.3.2 移动终端的典型AI应用241.3.3 移动终端的AI推理261.4 小结28参考文献28第2章 移动终端人工智能技术架构302.1 移动终端人工智能技术的特点和 分层架构302.2 各层功能概述322.2.1 应用层322.2.2 框架层322.2.3 驱动层352.2.4 硬件层362.3 小结42参考文献42第3章 神经网络模型443.1 神经网络模型概述443.1.1 神经网络算法443.1.2 神经网络模型的构成463.1.3 获取移动终端神经网络 模型483.2 典型神经网络模型介绍543.2.1 图像分类543.2.2 目标检测633.2.3 图像分割663.2.4 其他神经网络模型简介743.3 小结77参考文献78第4章 移动终端推理框架794.1 推理框架的工作原理794.1.1 神经网络模型转换原理794.1.2 深度学习编译器执行原理844.2 推理框架的工作流程864.2.1 模型转换864.2.2 数据预处理864.2.3 执行推理864.2.4 结果输出874.3 主要移动终端推理框架介绍874.3.1 TensorFlow Lite884.3.2 PyTorch Mobile974.3.3 Paddle Lite 1024.3.4 VCAP 1094.3.5 高通SNPE1164.3.6 华为HiAI Foundation1264.3.7 旷视天元1544.3.8 苹果Core ML框架1664.3.9 其他深度学习推理框架1704.4 小结178参考文献178第5章 深度学习编译器1805.1 深度学习编译器的概念1805.1.1 传统编译器1805.1.2 移动端深度学习编译器1825.2 主流编译器介绍1845.2.1 Android神经网络接口 NN API1845.2.2 高通SNPE编译技术1875.2.3 华为HiAI Foundation编译 技术1925.2.4 百度Paddle Lite编译技术1945.2.5 其他深度学习编译器1955.2.6 不同深度学习编译器的 差异1965.3 小结197第6章 移动终端AI推理应用开发 过程1986.1 总体开发过程1986.2 需求阶段1996.3 设计阶段2006.4 编码开发阶段2026.5 调试阶段2026.5.1 功能调试2036.5.2 性能调试2046.6 小结205第7章 移动终端推理应用开发 实例2067.1 基于TensorFlow Lite框架的 图像分类应用2067.1.1 创建工程2067.1.2 模型转换2117.1.3 模型推理2117.1.4 结果展示2137.2 基于PyTorch Mobile框架的应用 实例2147.2.1 创建工程2147.2.2 模型转换2157.2.3 模型推理2167.2.4 结果展示2177.3 基于Paddle Lite引擎的应用 实例2187.3.1 创建工程2187.3.2 模型转换2207.3.3 模型推理2207.3.4 结果展示2257.4 基于vivo VCAP引擎的应用 实例2257.4.1 创建工程2257.4.2 模型转换2287.4.3 模型推理2297.4.4 结果展示2327.5 基于高通SNPE引擎的图片分类 应用 2327.5.1 创建工程2337.5.2 模型转换2357.5.3 模型推理2367.5.4 结果展示2387.6 基于华为HiAI Foundation的图片 分类应用2397.6.1 创建工程2397.6.2 模型转换2437.6.3 模型推理2447.6.4 结果展示2497.7 基于苹果Core ML引擎的应用 实例2497.7.1 创建工程2507.7.2 模型转换2527.7.3 模型推理2537.7.4 结果展示2557.8 基于旷视天元的应用实例2557.8.1 创建工程2557.8.2 模型转换2587.8.3 模型推理2597.8.4 结果展示2627.9 基于MNN引擎的应用实例2637.9.1 创建工程2637.9.2 模型转换2657.9.3 模型推理2657.9.4 结果展示2717.10 小结272第8章 AI应用性能调试2738.1 AI应用性能调试方法2738.2 AI应用性能测试负载2758.3 AI应用性能评价指标2788.3.1 模型类指标2788.3.2 通用指标和硬件性能指标2828.4 AI应用推理性能差异2838.5 AI应用性能优化2848.6 小结285第9章 移动终端的AI推理性能 评价2869.1 不同移动终端间的AI性能基准 测试2869.2 AI基准测试应用介绍2889.3 小结293第10章 移动终端AI技术发展 趋势29410.1 技术发展趋势29410.1.1 移动终端的AI训练29410.1.2 移动终端的联邦学习30010.2 产品发展趋势30710.2.1 智能语音终端30710.2.2 自然语言处理终端 30810.2.3 智能机器人产品30910.2.4 智能无人机31010.2.5 智能家居产品31110.2.6 智能医疗产品 31110.2.7 智能安防产品 31210.2.8 智能交通产品 313参考文献314附录一 移动终端推理应用开发 示例315附录A TensorFlow Lite示例代码315附录B PyTorch示例代码315附录C Paddle Lite示例代码316附录D VCAP示例代码
|
| 內容試閱：
|
从2017年开始，人工智能（Artificial Intelligence，AI）技术已经不再是前沿科技或实验室中的概念产物，而是实实在在落地为产品出现在人们的日常生活中，为用户提供智慧化的服务。现在我们每天接触的智能手机和平板电脑等移动终端设备也越来越多地被冠以AI终端的名头，而且出现了越来越多的AI应用或服务。目前这些在移动终端上运行的AI应用主要使用基于神经网络的深度学习技术。这项技术需要大量的算力支持，所以在发展初期主要在云端实现，通过移动互联网为用户提供服务。但随着终端软硬件技术的不断发展，业界越来越重视在移动终端上直接运行神经网络，以此获得更快的响应速度和更高的安全性。为此，各互联网厂商、终端厂商和芯片厂商陆续推出了各种深度学习推理框架，用于在移动终端设备上通过设备的AI芯片运行人工智能推理任务，比如Google公司的TensorFlow Lite、华为公司的HiAI Foundation、高通公司的SNPE等。未来，在终端上部署的人工智能技术将随着这些推理框架和AI芯片的不断发展，为移动终端AI应用和服务加速。本书围绕着如何在移动智能终端上通过深度学习推理框架进行人工智能应用开发而展开，不仅向读者介绍相关概念和原理，还提供应用开发的入门级指导，相信读者能够通过自己动手实现移动端人工智能应用来加深对移动终端人工智能技术的理解。
本书适合对人工智能感兴趣，且具备一定移动终端应用程序开发经验的读者阅读。只要拥有一定的Java、C++或Python语言开发知识，同时具备Android操作系统或iOS操作系统的应用开发经验，就可以通过本书迅速掌握基本的移动终端人工智能应用开发方法。如果你只是对人工智能技术感兴趣，相信本书也能带你了解人工智能技术是如何在移动终端上部署和运行的。
本书共分为10章，第1章主要介绍移动终端人工智能技术应用的现状和发展态势，对深度学习与软件框架等相关基础知识进行了阐述，分析了移动终端推理应用的发展趋势；第2章从总体上介绍移动终端AI技术架构，包括移动终端人工智能技术的特点和架构全貌，从而让读者初步了解移动终端人工智能技术的原理和各要素组件。第3～5章详细剖析移动终端人工智能技术的分层架构，分别介绍了神经网络模型、移动终端推理框架以及深度学习编译器等内容，让读者理解移动终端人工智能技术的底层逻辑，掌握在移动终端进行人工智能推理的方法；第6～8章介绍如何开发移动终端AI推理应用，帮助读者从需求分析、功能设计、编码开发到调试优化等环节了解整个开发过程；第9章则通过移动终端AI基准（Benchmark）性能测试的介绍，让读者了解不同移动终端和终端推理框架的性能区别；第10章面向未来，向读者介绍移动终端人工智能技术最新的发展情况和未来趋势，包括移动终端的训练和联邦学习等前沿技术，并对其他人工智能终端产品进行了简要介绍。本书还给出了第7章中每个示例的完整代码，读者需要扫描封底二维码下载包含代码文件的压缩包，并根据附录提供的路径找到相关代码文件。这些代码可以为读者开发应用提供参考。
在编撰本书的过程中得到了业界多方支持，在此表示感谢：感谢华为公司、旷视科技公司、vivo公司和百度公司分别为本书HiAI Foundation、旷视天元（MegEngine）、VCAP和Paddle Lite部分的编写提供技术资料，感谢高通公司对本书编写提出宝贵意见。此外，我们还得到了魏然、曹宇琼、戈志勇、国炜、周佳琳等专家和老师的帮助，在此一并感谢。
虽然本书的编写历经一年，但我们仍然略感仓促。我们尽可能提供最新版本的资料给读者，但是移动终端人工智能技术发展迅速，在编写过程中就出现了多次软件版本升级的情况，所以对于本书的部分内容，尤其是第4章和第7章关于技术和开发的部分，读者可以通过本书提供的网址在互联网上参考官方新版操作手册以了解最新的技术进展。我们希望读者能通过本书基本掌握移动终端人工智能技术的原理和方法。对于本书中未阐明的部分或错漏之处，读者也可以通过邮件zhangrui@caict.ac.cn进行反馈，不胜感激！
|
|
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
