由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
[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
¥ ×1
标题前缀为分类信息!!!!!!!购买前请看好标题前缀!!!!!总标题中【正版】前为标题前缀!!!
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ObjectiveC程序中加载和运行模型/ 5.2.4在ObjectiveC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。 |
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格