目錄
原書序
原書前言
關(guān)于作者
關(guān)于技術(shù)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(qū)動的Ubuntu操作系統(tǒng)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(yīng)用程序
1.6運行TensorFlow Android示例應(yīng)用程序
1.7小結(jié)
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(yīng)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(yīng)用程序中的應(yīng)用
2.5再訓練模型在Android示例應(yīng)用程序中的應(yīng)用
2.6在iOS應(yīng)用程序中添加TensorFlow
2.6.1在Objective-C的iOS應(yīng)用程序中添加TensorFlow
2.6.2在Swift的iOS應(yīng)用程序中添加TensorFlow
2.7在Android應(yīng)用程序中添加TensorFlow
2.8小結(jié)
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(yù)訓練模型的應(yīng)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(gòu)建TensorFlow iOS庫
3.4.2在應(yīng)用程序中使用TensorFlow iOS庫
3.4.3為iOS應(yīng)用程序添加目標檢測功能
3.5YOLO2應(yīng)用：另一種目標檢測模型
3.6小結(jié)
第4章圖像藝術(shù)風格遷移
4.1神經(jīng)風格遷移概述
4.2快速神經(jīng)風格遷移模型訓練
4.3在iOS中應(yīng)用快速神經(jīng)風格遷移模型
4.3.1添加并測試快速神經(jīng)風格遷移模型
4.3.2應(yīng)用快速神經(jīng)風格遷移模型的iOS代碼分析
4.4在Android中應(yīng)用快速神經(jīng)風格遷移模型
4.5在iOS中應(yīng)用TensorFlow Magenta多風格模型
4.6在Android中應(yīng)用TensorFlow Magenta多風格模型
4.7小結(jié)
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(yīng)用簡單的語音識別模型
5.3.1通過模型構(gòu)建新的應(yīng)用程序
5.3.2顯示模型驅(qū)動的識別結(jié)果
5.4在基于Objective-C的iOS中應(yīng)用簡單的語音識別模型
5.4.1通過模型構(gòu)建新的應(yīng)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(yīng)用簡單的語音識別模型
5.6小結(jié)
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(jié)圖像標注模型
6.2.1訓練和測試標注生成
6.2.2凍結(jié)圖像標注模型
6.3轉(zhuǎn)換和優(yōu)化圖像標注模型
6.3.1利用轉(zhuǎn)換模型修正誤差
6.3.2優(yōu)化轉(zhuǎn)換模型
6.4在iOS中應(yīng)用圖像標注模型
6.5在Android中應(yīng)用圖像標注模型
6.6小結(jié)
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(yù)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(yù)測
7.2.3準備繪圖分類模型
7.3在iOS中應(yīng)用繪圖分類模型
7.3.1構(gòu)建iOS的自定義TensorFlow庫
7.3.2開發(fā)使用模型的iOS應(yīng)用程序
7.4在Android中應(yīng)用繪圖分類模型
7.4.1構(gòu)建Android的自定義TensorFlow庫
7.4.2開發(fā)使用模型的Android應(yīng)用程序
7.5小結(jié)
第8章基于RNN的股票價格預(yù)測
8.1RNN和股票價格預(yù)測的工作原理
8.2利用TensorFlow RNN API進行股票價格預(yù)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(yù)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(jié)
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(gòu)建和訓練GAN模型
9.2.1生成手寫體數(shù)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(yīng)用GAN模型
9.3.1基本GAN模型應(yīng)用
9.3.2改進GAN模型應(yīng)用
9.4在Android中應(yīng)用GAN模型
9.4.1基本GAN模型應(yīng)用
9.4.2改進GAN模型應(yīng)用
9.5小結(jié)
第10章移動設(shè)備上類AlphaZero的游戲應(yīng)用程序開發(fā)
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(jié)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(jié)
第11章TensorFlow Lite和Core ML在移動設(shè)備上的應(yīng)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(yīng)用程序
11.2.2在iOS中使用預(yù)構(gòu)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(jié)合Scikit Learn機器學習的Core ML應(yīng)用
11.5.1構(gòu)建和轉(zhuǎn)換Scikit Learn模型
11.5.2在iOS中使用轉(zhuǎn)換的Core ML模型
11.6結(jié)合Keras和TensorFlow的Core ML應(yīng)用
11.7小結(jié)
第12章樹莓派上的TensorFlow應(yīng)用程序開發(fā)
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(zhuǎn)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(huán)境
12.5.2基本直覺策略
12.5.3利用神經(jīng)網(wǎng)絡(luò)構(gòu)建更好的策略
12.6小結(jié)
結(jié)束語