《移動端機器學習實戰》是2019年10月人民郵電出版社出版的圖書，作者是[印度]卡斯基延·NG（Karthikeyan NG）。
基本介紹
- 書名：移動端機器學習實戰
- 作者：[印度]卡斯基延·NG（Karthikeyan NG）
- ISBN：9787115516848
- 頁數：206頁
- 定價：59元
- 出版社：人民郵電出版社
- 出版時間：2019年10月
- 裝幀：平裝
- 開本：16開
內容簡介,圖書目錄,
內容簡介
本書系統地講述如何基於TensorFlow Lite和Core ML構建Android與iOS應用程式。本書共9章。第1章介紹機器學習的基礎知識以及TensorFlow Lite和Core ML框架。第2～8章介紹如何開發7款常見應用程式，分別是一款預測人物年齡和性別的應用程式，一款在照片上套用藝術風格遷移的應用程式，一款用於面部檢測和條形碼掃描的應用程式，一款類似於Snapchat的應用程式，一款識別手寫數字的應用程式，一款流行的線上換臉應用程式，一款利用遷移學習完成食物分類的應用程式。第9章總結全書，並介紹基於機器學習的雲服務。
本書適合機器學習、深度學習和人工智慧等方面的專業人士閱讀。
圖書目錄
第 1章 機器學習在移動端的使用情況 1
1.1 機器學習的基礎 3
1.1.1 監督式學習 3
1.1.2 非監督式學習 3
1.1.3 線性回歸——監督式學習 4
1.2 TensorFlow Lite和Core ML 10
1.3 TensorFlow Lite 11
1.3.1 支持的平台 12
1.3.2 TensorFlow Lite的記憶體使用情況和性能 13
1.3.3 動手使用TensorFlow Lite 14
1.3.4 將SavedModel轉換為TensorFlow Lite格式 15
1.3.5 在Android上使用TensorFlow Lite 16
1.3.6 在iOS上使用TensorFlow Lite 19
1.4 Core ML 20
1.4.1 Core ML模型轉換 21
1.4.2 iOS應用程式中的Core ML 22
1.5 本章小結 24
第 2章 使用Core ML和CNN預測年齡與性別 25
2.1 年齡和性別預測 26
2.1.1 年齡預測 27
2.1.2 性別預測 27
2.2 卷積神經網路 28
2.2.1 發現模式 28
2.2.2 找出圖片中的特徵值 29
2.2.3 池化層 31
2.2.4 ReLU層 31
2.2.5 局部回響歸一化層 32
2.2.6 dropout層 32
2.2.7 全連線層 33
2.2.8 使用CNN完成年齡和性別預測 33
2.3 在iOS上使用Core ML實現應用程式 35
2.4 本章小結 44
第3章 在照片上套用
藝術神經風格遷移 45
3.1 藝術神經風格遷移 46
3.1.1 背景 47
3.1.2 VGG網路 48
3.2 構建應用程式 49
3.2.1 TensorFlow-to-Core ML轉換 52
3.2.2 iOS應用程式 55
3.2.3 Android應用程式 57
3.3 本章小結 77
3.4 參考網站 77
第4章 基於Firebase的ML Kit 78
4.1 ML Kit的基礎 79
4.1.1 基本特徵集 80
4.1.2 構建應用程式 81
4.2 人臉檢測 86
4.2.1 面部朝向追蹤 86
4.2.2 運行面部檢測器 91
4.3 條形碼掃描器 98
4.3.1 創建FirebaseVisionImage對象 99
4.3.2 創建FirebaseVisionBarcodeDetector對象 102
4.3.3 條形碼檢測 102
4.4 文本識別 105
4.4.1 基於設備的文本識別 105
4.4.2 基於雲端的文本識別 107
4.5 本章小結 109
第5章 在Android上的AR濾鏡 110
5.1 MobileNet模型 111
5.2 構建Android應用程式 116
5.3 參考網站 134
5.4 問題 134
5.5 本章小結 134
第6章 使用對抗學習構建手寫數字分類器 135
6.1 生成式對抗網路 136
6.2 MNIST資料庫 137
6.3 構建TensorFlow模型 138
6.4 訓練神經網路 140
6.4.1 構建Android應用程式 143
6.4.2 用於手寫的FreeHandView 144
6.4.3 數字分類器 150
6.5 本章小結 153
第7章 使用OpenCV與朋友換臉 154
7.1 換臉 155
7.1.1 換臉的步驟 157
7.1.2 構建Android應用程式 160
7.1.3 構建本地的臉交換器庫 161
7.1.4 構建應用程式 167
7.2 本章小結 179
7.3 參考信息 179
7.4 問題 180
第8章 使用遷移學習完成食物分類 181
8.1 遷移學習 182
8.2 訓練TensorFlow模型 184
8.2.1 安裝TensorFlow 184
8.2.2 訓練圖片 184
8.2.3 使用圖片重新訓練 185
8.2.4 構建iOS應用程式 191
8.3 本章小結 198
第9章 接下來做什麼 199
9.1 溫故而知新 200
9.1.1 當開發機器學習應用程式時從何處入手 201
9.1.2 構建自己的模型 203
9.2 本章小結 206
9.3 進一步閱讀 206
