《TensorFlow移动端机器学习实战》内容简介

随着人工智能技术的普及和边缘计算等新兴技术的兴起，很多人工智能的应用逐渐从云端向边缘设备和终端设备转移，基于移动端设备和嵌入式设备等小型设备的人工智能应用的开发越来越重要。
TensorFlow作为开源机器学习框架，提供了对不同开发环境和设备的支持。本书详细讲解了如何使用TensorFlow进行端到端机器学习应用的开发，以及使用TensorFlow Lite在小型设备（包括Android、iOS、树莓派（Raspberry Pi））上进行应用开发的要点和相应的实战案例。
《TensorFlow移动端机器学习实战》也讲解了针对Android的硬件加速技术，以及业界流行的机器学习应用框架。本书代码基本对应TensorFlow 2.0。
《TensorFlow移动端机器学习实战》适合没有人工智能开发经验的初学者，以及有一定相关经验并且希望在人工智能应用上更加深入了解的开发者阅读。
王众磊 TensorFlow的开发者之一，具有二十多年的留学和工作经验。现定居美国硅谷，长期从事软件开发工作，发表国际论文及国际专利多项。曾在谷歌等多家大型国际公司及初创企业工作过，有丰富的国内、国际开发及管理经验。
近几年以移动端开发、边缘计算、云计算和机器学习为主，从事开发和管理工作。工作之余喜欢和家人一起去各地旅游、打高尔夫球、滑雪等。
陈海波 深兰科技DeepBlue Technology的创始人，南京工业大学特聘教授，清华大学—深兰科技机器视觉联合研究中心管理委员会主任；上海交通大学—深兰科技人工智能联合实验室管理委员会主任、中南大学—深兰科技人工智能联合研究院专家委员会委员，致力于人工智能的基础研究和应用开发，创建的深兰科学院拥有人工智能研究院、科学计算研究院、生命及AI脑科学院、自动化研究院和智能汽车研究院。
团队拥有包括CVPR、PAKDD、IEEEISI等多项国际竞赛冠军成绩，在自动驾驶和整车、机器人研发及制造、生物科技、自然语言处理（语义智能）、数据挖掘等领域都有深度布局。

作品目录

内容简介
前言
第1章：机器学习和TensorFlow简述
1.1、机器学习和TensorFlow的历史及发展现状
1.2、在移动设备上运行机器学习的应用
1.3、机器学习框架
第2章：构建开发环境
2.1、开发主机和设备的选择
2.2、在网络代理环境下开发
2.3、集成开发环境IDE
2.4、构建工具Bazel
2.5、装载TensorFlow
2.6、文档
第3章：基于移动端的机器学习的开发方式和流程
3.1、开发方式和流程简介
3.2、使用TPU进行训练
3.3、设备端进行机器学习训练
3.4、使用TensorFlow
Serving优化TensorFlow模型
3.5、TensorFlow扩展（Extended）
第4章：构建TensorFlow
Mobile
4.1、TensorFlow
Mobile的历史
4.2、TensorFlow代码结构
4.3、构建及运行
第5章：用TensorFlow
Mobile构建机器学习应用
5.1、准备工作
5.2、图像分类（Image
Classification）
5.3、物体检测（Object
Detection）
5.4、时尚渲染（Stylization）
5.5、声音识别（Speech
Recognization）
第6章：TensorFlow
Lite的架构
6.1、模型格式
6.2、底层结构和设计
6.3、工具
第7章：用TensorFlow
Lite构建机器学习应用
7.1、模型设计
7.2、开发应用
7.3、TensorFlow
Lite的应用
7.4、TensorFlow
Lite使用GPU
7.5、训练模型
第8章：移动端的机器学习开发
8.1、其他设备的支持
8.2、设计和优化模型
8.3、设计机器学习应用程序要点
第9章：TensorFlow的硬件加速
9.1、神经网络接口
9.2、硬件加速
第10章：机器学习应用框架
10.1、ML
Kit
10.2、联合学习（Federated
Learning）
第11章：基于移动设备的机器学习的未来
11.1、TensorFlow
2.0和路线图
11.2、人工智能的发展方向
博文视点精品图书展台
反侵权盗版声明