万本电子书0元读

万本电子书0元读

顶部广告

智能前端技术与实践电子书

1.深浅出,通俗易懂 基于TensorFlow.js讲述如何在浏览器端发人工智能应用,深浅出地介绍了前端发、深度学习的相关知识,帮助读者提升智能前端发水平。 2.实用工具书,针对性强 从环境配置出发,详细介绍了卷积神经网络与移动端常用的几个网络模型。 3.实例丰富,参考性强 提供大量实际案例,具有较高参考价值。 4.适用性强,具有广泛性 适配新版本以及多类型设备,具有广泛参考性。

售       价:¥

纸质售价:¥74.20购买纸书

43人正在读 | 0人评论 6.2

作       者:石璞东 吴萌 王慧琴 著

出  版  社:人民邮电出版社有限公司

出版时间:2022-03-01

字       数:20.7万

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)
本书旨在介绍智能前端发和深度学习。本书首先介绍了相关的发环境、前端发基础知识、深度学习基础知识、前端智能框架和卷积神经网络,然后讲述了线性回归、logistical 回归、XOR 问题、人体姿态检测:目标检测、光学字符识别等方面的案例,后讲解了前端智能化案例。 本书适合 Web 前端发人员、人工智能发人员阅读,也可作为计算机相关专业师生的参考用书。<br/>【推荐语】<br/>1.深浅出,通俗易懂 基于TensorFlow.js讲述如何在浏览器端发人工智能应用,深浅出地介绍了前端发、深度学习的相关知识,帮助读者提升智能前端发水平。 2.实用工具书,针对性强 从环境配置出发,详细介绍了卷积神经网络与移动端常用的几个网络模型。 3.实例丰富,参考性强 提供大量实际案例,具有较高参考价值。 4.适用性强,具有广泛性 适配新版本以及多类型设备,具有广泛参考性。<br/>【作者】<br/>石璞东,西安建筑科技大学硕士研究生,研究方向包括机器学习、Web发,担任百度飞桨领航团金牌团长和hahaWebsite网站站长。 吴萌,西安建筑科技大学信息与控制工程学院副教授,硕士生导师,美国俄亥俄州立大学访问学者,中国图象图形学学会数字文化遗产专委会委员。 王慧琴,西安建筑科技大学信息与控制工程学院副院长、教授、博士生导师,通信与信息系统研究所所长,陕西省图象图形学学会理事,中国图象图形学学会图像应用与系统集成专委会委员,中国图象图形学学会数字文化遗产专委会委员。<br/>
目录展开

版 权

内容提要

推荐序1

推荐序2

推荐序3

前 言

服务与支持

提交勘误

与我们联系

关于异步社区和异步图书

第1章 开发环境配置

1.1 安装Anaconda3

1.2 安装TensorFlow 2

1.3 安装npm包管理工具

1.4 安装TensorFlow.js的相关包

1.5 使用WebStorm

1.6 使用Google浏览器

1.6.1 注册Chrome Web Store开发者

1.6.2 Google浏览器扩展程序

1.7 使用微信开发者工具

1.7.1 添加微信小程序插件

1.7.2 使用微信小程序插件

1.7.3 发布微信小程序

第2章 前端开发基础

2.1 背景知识概述

2.2 HTML基础

2.2.1 HTML文档基本结构

2.2.2 常用标签

2.3 CSS基础

2.3.1 CSS的3种使用方法

2.3.2 CSS选择器

2.4 JavaScript基础

2.5 与Google扩展程序相关的JavaScript API

2.6 深度学习中的JavaScript

2.6.1 JavaScript数据类型

2.6.2 JavaScript异步编程

2.7 微信小程序开发

2.7.1 微信小程序框架结构分析

2.7.2 页面描述文件

2.7.3 页面样式文件

2.7.4 逻辑层文件

2.7.5 小程序的事件系统

第3章 深度学习概述

3.1 深度学习环境

3.1.1 云端深度学习环境选择

3.1.2 本地深度学习环境搭建

3.2 深度学习框架

3.3 TensorFlow 2基础

3.3.1 数据类型

3.3.2 数值精度

3.3.3 操作和计算图

3.3.4 自动微分和梯度带

3.3.5 广播机制

3.3.6 框架概述

3.4 深度学习基础

3.4.1 BP神经网络

3.4.2 激活函数

3.4.3 softmax函数

3.4.4 损失函数

3.4.5 梯度下降算法

3.4.6 反向传播

第4章 TensorFlow.js框架详解

4.1 TensorFlow.js框架概述

4.2 TensorFlow.js低阶API详解

4.2.1 张量操作方法

4.2.2 数学运算

4.3 TensorFlow.js高阶API详解

4.3.1 构建模型

4.3.2 模型配置

4.3.3 模型训练

4.3.4 模型评估

4.3.5 模型转换

4.4 TensorFlow.js Vis库详解

4.4.1 Visor接口方法介绍

4.4.2 模型可视化

4.4.3 数据可视化

4.4.4 模型评价指标

4.5 其他API

4.5.1 数据操作

4.5.2 浏览器操作

4.5.3 性能优化

4.5.4 正则化

4.5.5 早停法

第5章 卷积神经网络

5.1 卷积神经网络概述

5.2 卷积层

5.3 池化层

5.4 轻量级的卷积神经网络

5.4.1 SqueezeNet

5.4.2 MobileNetV1

5.4.3 ShuffleNetV1

5.4.4 Xception

第6章 TensorFlow.js基础案例

6.1 线性回归

6.1.1 案例简介

6.1.2 代码实现

6.2 logistical回归

6.2.1 案例简介

6.2.2 代码实现

6.3 XOR问题

6.3.1 案例简介

6.3.2 代码实现

6.4 加载与应用MobileNet模型

6.4.1 案例简介

6.4.2 代码实现

6.5 《你画我猜》(MNIST手写数字版)

6.5.1 案例简介

6.5.2 代码实现

第7章 TensorFlow官方数据集实战

7.1 boston_housing数据集与实战案例

7.1.1 数据集介绍

7.1.2 房价预测实战

7.2 与CIFAR-10数据集相关的实战案例

7.2.1 数据集介绍

7.2.2 在Anaconda3 Jupyter Notebook中加载数据集

7.2.3 在Kaggle中导入CIFAR-10数据集

7.2.4 从本地导入CIFAR-10数据集

7.3 与CIFAR-100数据集相关的实战案例

7.3.1 数据集介绍

7.3.2 数据集展示

7.4 与MNIST数据集相关的实战案例

7.4.1 数据集介绍

7.4.2 数据集展示

7.5 与Fashion_MNIST数据集相关的实战案例

7.5.1 数据集介绍

7.5.2 数据集加载

7.6 基于CNN的MNIST手写数字识别

7.6.1 自定义网络模型

7.6.2 微信小程序部署

第8章 基于CNN的常见水果分类识别

8.1 数据集介绍

8.2 数据集标注

8.3 数据预处理

8.3.1 数据文件读取

8.3.2 文件解码

8.3.3 文件数据类型转换

8.3.4 数据归一化

8.4 模型概览

8.5 模型设计

8.6 模型配置

8.7 模型训练

8.8 模型评估

8.9 模型部署

8.9.1 在微信小程序中加载模型

8.9.2 在Google浏览器中加载模型

第9章 基于PoseNet的人体姿态检测

9.1 项目概述

9.2 项目初始化

9.2.1 添加camera组件

9.2.2 添加canvas对象

9.3 模型加载

9.4 姿态检测

9.5 预测结果绘制

9.6 效果展示

第10章 基于Coco SSD的目标检测

10.1 项目概述

10.2 项目初始化

10.2.1 添加camera组件

10.2.2 添加canvas对象

10.3 模型加载

10.4 目标检测

10.5 预测结果绘制

10.6 效果展示

第11章 OCR技术

11.1 OCR技术概述

11.2 OCR工具推荐

11.3 微信OCR

11.3.1 插件配置信息

11.3.2 页面结构设计

11.3.3 页面逻辑功能

11.4 Google扩展程序OCR

11.4.1 插件配置信息

11.4.2 页面结构设计

11.4.3 页面逻辑功能

11.4.4 后台脚本

第12章 神奇的人工智能

12.1 个人网站恶意评论检测

12.1.1 项目简介

12.1.2 代码实现

12.1.3 效果展示

12.2 微信同声传译

12.2.1 项目简介

12.2.2 代码实现

12.2.3 效果展示

12.3 Google面馆正式营业了

12.4 猜画小歌

12.5 Face Touch Monitor

12.6 Teachable Machine

12.7 其他案例

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