使用TensorFlow為多個移動平臺構建智能深度學習和強化學習應用程序。
本書涵蓋了10余個由TensorFlow提供支持并從頭開始構建的完整iOS、Android和樹莓派應用程序，可在設備上離線運行各種TensorFlow模型：從計算機視覺、語音識別和自然語言處理到生成對抗網絡以及AlphaZero（如深度強化學習）。你將學習如何使用或再訓練現有的模型、構建模型以及開發能運行這些模型的智能移動應用程序，并通過分步教程快速掌握如何構建此類應用程序，同時學會利用大量寶貴的故障排除技巧來避免實現過程中的許多陷阱。
目錄
原書序
原書前言
關于作者
關于技術審校者
第1章移動TensorFlow入門
1.1TensorFlow的安裝
1.1.1在MacOS上安裝TensorFlow
1.1.2在GPU驅動的Ubuntu操作系統上安裝TensorFlow
1.2Xcode的安裝
1.3Android Studio的安裝
1.4TensorFlow Mobile與TensorFlow Lite對比
1.5運行TensorFlow iOS示例應用程序
1.6運行TensorFlow Android示例應用程序
1.7小結
第2章基于遷移學習的圖像分類
2.1遷移學習的基本原理與應用
2.2利用Inception v3模型進行再訓練
2.3利用MobileNet模型進行再訓練
2.4再訓練模型在iOS示例應用程序中的應用
2.5再訓練模型在Android示例應用程序中的應用
2.6在iOS應用程序中添加TensorFlow
2.6.1在Objective-C的iOS應用程序中添加TensorFlow
2.6.2在Swift的iOS應用程序中添加TensorFlow
2.7在Android應用程序中添加TensorFlow
2.8小結
第3章目標檢測與定位
3.1目標檢測概述
3.2TensorFlow目標檢測API的安裝
3.2.1快速安裝和示例
3.2.2預訓練模型的應用
3.3SSD-MobileNet和Faster RCNN再訓練模型
3.4在iOS中使用目標檢測模型
3.4.1手動構建TensorFlow iOS庫
3.4.2在應用程序中使用TensorFlow iOS庫
3.4.3為iOS應用程序添加目標檢測功能
3.5YOLO2應用：另一種目標檢測模型
3.6小結
第4章圖像藝術風格遷移
4.1神經風格遷移概述
4.2快速神經風格遷移模型訓練
4.3在iOS中應用快速神經風格遷移模型
4.3.1添加并測試快速神經風格遷移模型
4.3.2應用快速神經風格遷移模型的iOS代碼分析
4.4在Android中應用快速神經風格遷移模型
4.5在iOS中應用TensorFlow Magenta多風格模型
4.6在Android中應用TensorFlow Magenta多風格模型
4.7小結
第5章理解簡單語音命令
5.1語音識別概述
5.2訓練簡單的命令識別模型
5.3在Android中應用簡單的語音識別模型
5.3.1通過模型構建新的應用程序
5.3.2顯示模型驅動的識別結果
5.4在基于Objective-C的iOS中應用簡單的語音識別模型
5.4.1通過模型構建新的應用程序
5.4.2利用tf_op_files.txt文件修正模型加載錯誤
5.5在基于Swift的iOS中應用簡單的語音識別模型
5.6小結
第6章基于自然語言的圖像標注
6.1圖像標注的工作原理
6.2訓練和凍結圖像標注模型
6.2.1訓練和測試標注生成
6.2.2凍結圖像標注模型
6.3轉換和優化圖像標注模型
6.3.1利用轉換模型修正誤差
6.3.2優化轉換模型
6.4在iOS中應用圖像標注模型
6.5在Android中應用圖像標注模型
6.6小結
第7章基于CNN和LSTM的繪圖識別
7.1繪圖分類的工作原理
7.2訓練、預測和準備繪圖分類模型
7.2.1訓練繪圖分類模型
7.2.2利用繪圖分類模型進行預測
7.2.3準備繪圖分類模型
7.3在iOS中應用繪圖分類模型
7.3.1構建iOS的自定義TensorFlow庫
7.3.2開發使用模型的iOS應用程序
7.4在Android中應用繪圖分類模型
7.4.1構建Android的自定義TensorFlow庫
7.4.2開發使用模型的Android應用程序
7.5小結
第8章基于RNN的股票價格預測
8.1RNN和股票價格預測的工作原理
8.2利用TensorFlow RNN API進行股票價格預測
8.2.1在TensorFlow中訓練RNN模型
8.2.2測試TensorFlow RNN模型
8.3利用Keras RNN LSTM API進行股票價格預測
8.3.1在Keras中訓練RNN模型
8.3.2測試Keras RNN模型
8.4在iOS上運行TensorFlow和Keras模型
8.5在Android上運行TensorFlow和Keras模型
8.6小結
第9章基于GAN的圖像生成與增強
9.1GAN的工作原理
9.2基于TensorFlow構建和訓練GAN模型
9.2.1生成手寫體數字的基本GAN模型
9.2.2提高圖像分辨率的改進GAN模型
9.3在iOS中應用GAN模型
9.3.1基本GAN模型應用
9.3.2改進GAN模型應用
9.4在Android中應用GAN模型
9.4.1基本GAN模型應用
9.4.2改進GAN模型應用
9.5小結
第10章移動設備上類AlphaZero的游戲應用程序開發
10.1AlphaZero的工作原理
10.2訓練和測試用于Connect 4游戲的類AlphaZero模型
10.2.1訓練模型
10.2.2測試模型
10.2.3分析建模代碼
10.2.4凍結模型
10.3利用iOS中的模型玩Connect 4游戲
10.4利用Android中的模型玩Connect 4游戲
10.5小結
第11章TensorFlow Lite和Core ML在移動設備上的應用
11.1TensorFlow Lite概述
11.2在iOS中使用TensorFlow Lite
11.2.1運行TensorFlow Lite iOS示例應用程序
11.2.2在iOS中使用預構建的TensorFlow Lite模型
11.2.3在iOS中使用用于TensorFlow Lite的再訓練TensorFlow模型
11.2.4在iOS中使用自定義的TensorFlow Lite模型
11.3在Android中使用TensorFlow Lite
11.4面向iOS的Core ML概述
11.5結合Scikit Learn機器學習的Core ML應用
11.5.1構建和轉換Scikit Learn模型
11.5.2在iOS中使用轉換的Core ML模型
11.6結合Keras和TensorFlow的Core ML應用
11.7小結
第12章樹莓派上的TensorFlow應用程序開發
12.1安裝樹莓派并運行
12.1.1安裝樹莓派
12.1.2運行樹莓派
12.2在樹莓派上安裝TensorFlow
12.3圖像識別和文本-語音轉換
12.4音頻識別和機器人運動
12.5樹莓派上的強化學習
12.5.1理解CartPole仿真環境
12.5.2基本直覺策略
12.5.3利用神經網絡構建更好的策略
12.6小結
結束語
新書資訊