万本电子书0元读

万本电子书0元读

顶部广告

移动端机器学习实战电子书

机器学习主要研究如何使计算机模拟或实现人类的学习行为,从而获取新的知识或技能,是人工智能领域的核心技术。基于机器学习发的应用程序可以灵活地处理新数据。本书将展示如何将机器学习技术应用于移动端的应用程序发中。 本书首先介绍TensorFlow Lite和Core ML的基础知识,然后讲述7个常见应用程序的发,*后讨论基于机器学习的云服务。通过本书,读者可以学会如何发一个预测年龄和性别的应用程序,如何对图片行艺术风格迁移,如何实现面部检测和条形码扫描,如何构建一个用于美化的AR滤镜,如何在移动设备上检测手写的数字,如何实现可以换脸的应用程序,如何利用迁移学习对食物行分类。 本书有助于读者掌握机器学习的概念,学会使用TensorFlow Lite和Core ML在手机上发功能强大的应用程序。

售       价:¥

纸质售价:¥44.20购买纸书

58人正在读 | 0人评论 6.2

作       者:(印度)卡斯基延·NG(Karthikeyan NG)

出  版  社:人民邮电出版社有限公司

出版时间:2019-10-01

字       数:14.9万

所属分类: 科技 > 计算机/网络 > 软件系统

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书系统地讲述如何基于TensorFlow Lite和Core ML构建Android与iOS应用程序。本书共9章。第1章介绍机器学习的基础知识以及TensorFlow Lite和Core ML框架。第2~8章介绍如何发7款常见应用程序,分别是一款预测人物年龄和性别的应用程序,一款在照片上应用艺术风格迁移的应用程序,一款用于面部检测和条形码扫描的应用程序,一款类似于Snapchat的应用程序,一款识别手写数字的应用程序,一款流行的在线换脸应用程序,一款利用迁移学习完成食物分类的应用程序。第9章总结全书,并介绍基于机器学习的云服务。 本书适合机器学习、深度学习和人工智能等方面的专业人士阅读。<br/>【推荐语】<br/>机器学习主要研究如何使计算机模拟或实现人类的学习行为,从而获取新的知识或技能,是人工智能领域的核心技术。基于机器学习发的应用程序可以灵活地处理新数据。本书将展示如何将机器学习技术应用于移动端的应用程序发中。 本书首先介绍TensorFlow Lite和Core ML的基础知识,然后讲述7个常见应用程序的发,*后讨论基于机器学习的云服务。通过本书,读者可以学会如何发一个预测年龄和性别的应用程序,如何对图片行艺术风格迁移,如何实现面部检测和条形码扫描,如何构建一个用于美化的AR滤镜,如何在移动设备上检测手写的数字,如何实现可以换脸的应用程序,如何利用迁移学习对食物行分类。 本书有助于读者掌握机器学习的概念,学会使用TensorFlow Lite和Core ML在手机上发功能强大的应用程序。<br/>【作者】<br/>Karthikeyan NG是印度的一名工程和技术主管。之前他曾经在Symantec公司担任软件工程师,之后就职于两家总部位于美国的初创企业,参与过各种类型的产品发。他在发各种可扩展的产品方面拥有超过9年的经验,这些产品使用了Web、Mobile、机器学习(Machine Learning,ML)、增强现实以及虚拟现实技术。他是一名有抱负的企业家和技术传播者,他勇于探索新技术并使用创新理念来解决问题。同时,他还是班加罗尔大学的客座教授。<br/>
目录展开

版权

内容提要

版权声明

作者简介

译者简介

审校者简介

译者序

前言

资源与支持

第1章 机器学习在移动端的使用情况

1.1 机器学习的基础

1.1.1 监督式学习

1.1.2 非监督式学习

1.1.3 线性回归——监督式学习

1.2 TensorFlow Lite和Core ML

1.3 TensorFlow Lite

1.3.1 支持的平台

1.3.2 TensorFlow Lite的内存使用情况和性能

1.3.3 动手使用TensorFlow Lite

1.3.4 将SavedModel转换为TensorFlow Lite格式

1.3.5 在Android上使用TensorFlow Lite

1.3.6 在iOS上使用TensorFlow Lite

1.4 Core ML

1.4.1 Core ML模型转换

1.4.2 iOS应用程序中的Core ML

1.5 本章小结

第2章 使用Core ML和CNN预测年龄与性别

2.1 年龄和性别预测

2.1.1 年龄预测

2.1.2 性别预测

2.2 卷积神经网络

2.2.1 发现模式

2.2.2 找出图片中的特征值

2.2.3 池化层

2.2.4 ReLU层

2.2.5 局部响应归一化层

2.2.6 dropout层

2.2.7 全连接层

2.2.8 使用CNN完成年龄和性别预测

2.3 在iOS上使用Core ML实现应用程序

2.4 本章小结

第3章 在照片上应用艺术神经风格迁移

3.1 艺术神经风格迁移

3.1.1 背景

3.1.2 VGG网络

3.2 构建应用程序

3.2.1 TensorFlow-to-Core ML转换

3.2.2 iOS应用程序

3.2.3 Android应用程序

3.3 本章小结

3.4 参考网站

第4章 基于Firebase的ML Kit

4.1 ML Kit的基础

4.1.1 基本特征集

4.1.2 构建应用程序

4.2 人脸检测

4.2.1 面部朝向追踪

4.2.2 运行面部检测器

4.3 条形码扫描器

4.3.1 创建FirebaseVisionImage对象

4.3.2 创建FirebaseVisionBarcodeDetector对象

4.3.3 条形码检测

4.4 文本识别

4.4.1 基于设备的文本识别

4.4.2 基于云端的文本识别

4.5 本章小结

第5章 在Android上的AR滤镜

5.1 MobileNet模型

构建数据集

5.2 构建Android应用程序

5.3 参考网站

5.4 问题

5.5 本章小结

第6章 使用对抗学习构建手写数字分类器

6.1 生成式对抗网络

生成式与判别式学习算法

6.2 MNIST数据库

6.3 构建TensorFlow模型

6.4 训练神经网络

6.4.1 构建Android应用程序

6.4.2 用于手写的FreeHandView

6.4.3 数字分类器

6.5 本章小结

第7章 使用OpenCV与朋友换脸

7.1 换脸

7.1.1 换脸的步骤

7.1.2 构建Android应用程序

7.1.3 构建本地的脸交换器库

7.1.4 构建应用程序

7.2 本章小结

7.3 参考信息

7.4 问题

第8章 使用迁移学习完成食物分类

8.1 迁移学习

迁移学习中的方法

8.2 训练TensorFlow模型

8.2.1 安装TensorFlow

8.2.2 训练图片

8.2.3 使用图片重新训练

8.2.4 构建iOS应用程序

8.3 本章小结

第9章 接下来做什么

9.1 温故而知新

9.1.1 当开发机器学习应用程序时从何处入手

9.1.2 构建自己的模型

9.2 本章小结

9.3 进一步阅读

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部