返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • [正版] TensorFlow Lite移动端深度学习 朱元涛 创建转换模型 推断 优化处理 微控制器 物体检测识别
  • TensorFlow Lite移动端深度学习 机器学习
    • 作者: 无著
    • 出版社: 机械工业出版社
    • 出版时间:2022-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    粉象优品图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 无著
    • 出版社:机械工业出版社
    • 出版时间:2022-01
    • ISBN:9786140164400
    • 版权提供:机械工业出版社

                                                                                                  店铺公告

    本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!

    1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!

    2.店铺无纸质均开具电子,请联系客服开具电子版

      商品基本信息

    商品名称:

      TensorFlow Lite移动端深度学习

    作     者:

      朱元涛

    市 场 价:

      109.00元

    ISBN  号:

      9787111698791

    页     数:

      266

    出 版 社:

      机械工业出版社


     

      目录

      

    TensorFlow Lite移动端深度学习

    前言

    第1章 人工智能开发基础/

    1.1人工智能的基础知识/

    1.1.1人工智能介绍/

    1.1.2人工智能的发展历程/

    1.1.3人工智能的两个重要发展阶段/

    1.1.4和人工智能相关的几个重要概念/

    1.2机器学习/

    1.2.1什么是机器学习/

    1.2.2机器学习的3个发展阶段/

    1.2.3机器学习的分类/

    1.2.4深度学习和机器学习的对比/

    1.3使用Python学习人工智能开发/

    1.3.1Python在人工智能方面的优势/

    1.3.2常用的Python库/

    1.4TensorFlow开源库/

    1.4.1TensorFlow介绍/

    1.4.2TensorFlow的优势/

    1.4.3TensorFlow Lite介绍/


    第2章 编写第一个TensorFlow Lite程序/

    2.1安装环境要求/

    2.1.1硬件要求/

    2.1.2软件要求/

    2.2安装TensorFlow /

    2.2.1使用pip安装TensorFlow/

    2.2.2使用Anaconda安装TensorFlow/

    2.2.3安装TensorFlow Lite解释器/

    2.2.4解决速度过慢的问题/

    2.3准备开发工具/

    2.3.1使用PyCharm开发并调试运行TensorFlow程序/

    2.3.2使用Colaboratory开发并调试运行TensorFlow程序/

    2.4开发TensorFlow Lite程序的流程/

    2.4.1准备模型/

    2.4.2转换模型/

    2.4.3使用模型进行推断/

    2.4.4优化模型/

    2.5在Android中创建TensorFlow Lite/

    2.5.1需要安装的工具/

    2.5.2新建Android工程/

    2.5.3使用JCenter中的TensorFlow Lite AAR/

    2.5.4运行和测试/


    第3章 创建模型/

    3.1创建TensorFlow模型/

    3.1.1在PyCharm环境实现/

    3.1.2在Colaboratory环境实现/

    3.2基于TensorFlow机器学习核心算法创建模型/

    3.2.1线性回归算法/

    3.2.2逻辑回归算法/

    3.2.3二元决策树算法/

    3.2.4Bagging算法/

    3.2.5Boosting算法/

    3.2.6随机森林算法/

    3.2.7K近邻算法/


    第4章 转换模型/

    4.1TensorFlow Lite转换器/

    4.1.1转换方式/

    4.1.2将TensorFlow RNN转换为TensorFlow Lite/

    4.2将元数据添加到 TensorFlow Lite 模型/

    4.2.1具有元数据格式的模型/

    4.2.2使用Flatbuffers Python API添加元数据/

    4.3使用TensorFlow Lite Task Library/

    4.4手写数字识别器/

    4.4.1系统介绍/

    4.4.2创建TensorFlow数据模型/

    4.4.3将Keras模型转换为TensorFlow Lite/

    4.4.4Android手写数字识别器/


    第5章 推断/

    5.1TensorFlow Lite推断的基本知识/

    5.1.1推断的基本步骤/

    5.1.2推断支持的平台/

    5.2运行模型/

    5.2.1在Java程序中加载和运行模型/

    5.2.2在 Swift程序中加载和运行模型/

    5.2.3在ObjectiveC程序中加载和运行模型/

    5.2.4在ObjectiveC中使用C API/

    5.2.5在 C++中加载和运行模型/

    5.2.6在 Python中加载和运行模型/

    5.3运算符操作/

    5.3.1运算符操作支持的类型/

    5.3.2从TensorFlow中选择运算符/

    5.3.3自定义运算符/

    5.3.4融合运算符/

    5.4使用元数据进行推断/

    5.4.1元数据推断基础/

    5.4.2使用元数据生成模型接口/

    5.4.3使用TensorFlow Lite代码生成器生成模型接口/

    5.5通过Task库集成模型/

    5.5.1Task Library可以提供的内容/

    5.5.2支持的任务/

    5.5.3集成图像分类器/

    5.6自定义输入和输出/


    第6章 优化处理/

    6.1性能优化/

    6.2TensorFlow Lite委托/

    6.2.1选择委托/

    6.2.2评估工具/

    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加速的优势/

    6.4.2Android中的硬件加速/

    6.4.3iOS中的硬件加速/

    6.4.4输入/输出缓冲器/

    6.5模型优化/

    6.5.1模型量化/

    6.5.2训练后量化/

    6.5.3训练后动态范围量化/

    6.5.4训练后整数量化/


    第7章 微控制器/

    7.1适用于微控制器的 TensorFlow Lite/

    7.2官方示例/

    7.2.1Hello World示例/

    7.2.2微语音示例/

    7.3C++库/

    7.3.1文件结构/

    7.3.2开始新项目/

    7.3.3写入新设备/

    7.3.4构建二进制文件/

    7.3.5优化内核/

    7.3.6生成 Arduino 库/


    第8章 物体检测识别系统/

    8.1系统介绍/

    8.2准备模型/

    8.2.1模型介绍/

    8.2.2自定义模型/

    8.3Android物体检测识别器/

    8.3.1准备工作/

    8.3.2页面布局/

    8.3.3实现主Activity/

    8.3.4物体识别界面/

    8.3.5相机预览界面拼接/

    8.3.6lib_task_api方案/

    8.3.7lib_interpreter方案/

    8.4iOS物体检测识别器/

    8.4.1系统介绍/

    8.4.2视图文件/

    8.4.3相机处理/

    8.4.4处理TensorFlow Lite模型/


    第9章 姿势预测器/

    9.1系统介绍/

    9.2准备模型/

    9.2.1身体部位监测点说明/

    9.2.2导入TensorFlow Lite模型/

    9.3Android姿势预测器/

    9.3.1准备工作/

    9.3.2页面布局/

    9.3.3实现主Activity/

    9.3.4图像处理/

    9.3.5姿势识别/


      内容简介

    TensorFlow Lite移动端深度学习循序渐进地讲解了在移动设备中使用TensorFlow Lite开发机器学习和深度学习程序的核心知识,并通过具体实例演练了各知识点的使用方法和流程。全书共9章,分别讲解了人工智能开发基础、编写第一个TensorFlow Lite程序、创建模型、转换模型、推断、优化处理、微控制器、物体检测识别系统和姿势预测器。全书简洁而不失技术深度,内容丰富全面,以简明的文字介绍了复杂的案例。同时书中配有二维码视频,结合视频讲解可加深对相关内容的理解,是学习TensorFlow Lite开发的实用教程。

    TensorFlow Lite移动端深度学习适用于已经了解Python语言基础语法和TensorFlow基础,希望进一步提高自己Python开发水平的读者阅读,还可以作为大中专院校和相关培训学校的专业教程。



    1
    • 商品详情
    • 内容简介

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购