TensorFlow AI移動項目開發實戰 Intelligent Mobile Projects with TensorFlow: Build 10+ Artificial Intelligence apps using TensorFlow Mobile and Lite for iOS, Android, and Raspberry Pi

原書序
原書前言
關於作者
關於技術審校者
第1章移動TensorFlow入門//1 
1.1TensorFlow的安裝//1 
1.1.1在MacOS上安裝TensorFlow //2 
1.1.2在GPU驅動的Ubuntu操作系統上安裝TensorFlow //3 
1.2Xcode的安裝//7 
1.3Android Studio的安裝//7 
1.4TensorFlow Mobile與TensorFlow Lite對比//9 
1.5運行TensorFlow iOS示例應用程序//10 
1.6運行TensorFlow Android示例應用程序//10 
1.7小結//11 


第2章基於遷移學習的圖像分類//12 
2.1遷移學習的基本原理與應用//12 
2.2利用Inception v3模型進行再訓練//13 
2.3利用MobileNet模型進行再訓練//19 
2.4再訓練模型在iOS示例應用程序中的應用//21 
2.5再訓練模型在Android示例應用程序中的應用//22 
2.6在iOS應用程序中添加TensorFlow //23 
2.6.1在Objective-C的iOS應用程序中添加TensorFlow //23 
2.6.2在Swift的iOS應用程序中添加TensorFlow //28 
2.7在Android應用程序中添加TensorFlow //32 
2.8小結//35 


第3章目標檢測與定位//36 
3.1目標檢測概述//36 
3.2TensorFlow目標檢測API的安裝//38 
3.2.1快速安裝和示例//38 
3.2.2預訓練模型的應用//39 
3.3SSD-MobileNet和Faster RCNN再訓練模型//42 
3.4在iOS中使用目標檢測模型//47 
3.4.1手動構建TensorFlow iOS庫//47 
3.4.2在應用程序中使用TensorFlow iOS庫//48 
3.4.3為iOS應用程序添加目標檢測功能//50 
3.5YOLO2應用：另一種目標檢測模型//55 
3.6小結//57 


第4章圖像藝術風格遷移//58 
4.1神經風格遷移概述//58 
4.2快速神經風格遷移模型訓練//59 
4.3在iOS中應用快速神經風格遷移模型//61 
4.3.1添加並測試快速神經風格遷移模型//61 
4.3.2應用快速神經風格遷移模型的iOS代碼分析//62 
4.4在Android中應用快速神經風格遷移模型//64 
4.5在iOS中應用TensorFlow Magenta多風格模型//68 
4.6在Android中應用TensorFlow Magenta多風格模型//73 
4.7小結//75 


第5章理解簡單語音命令//77 
5.1語音識別概述//77 
5.2訓練簡單的命令識別模型//79 
5.3在Android中應用簡單的語音識別模型//82 
5.3.1通過模型構建新的應用程序//82 
5.3.2顯示模型驅動的識別結果//86 
5.4在基於Objective-C的iOS中應用簡單的語音識別模型//88 
5.4.1通過模型構建新的應用程序//88 
5.4.2利用tf_op_files.txt文件修正模型加載錯誤//93 
5.5在基於Swift的iOS中應用簡單的語音識別模型//93 
5.6小結//97 


第6章基於自然語言的圖像標註//98 
6.1圖像標註的工作原理//98 
6.2訓練和凍結圖像標註模型//100 
6.2.1訓練和測試標註生成//100 
6.2.2凍結圖像標註模型//102 
6.3轉換和優化圖像標註模型//106 
6.3.1利用轉換模型修正誤差//107 
6.3.2優化轉換模型//109 
6.4在iOS中應用圖像標註模型//110 
6.5在Android中應用圖像標註模型//117 
6.6小結//123 


第7章基於CNN和LSTM的繪圖識別//124 
7.1繪圖分類的工作原理//124 
7.2訓練、預測和準備繪圖分類模型//126 
7.2.1訓練繪圖分類模型//126 
7.2.2利用繪圖分類模型進行預測//127 
7.2.3準備繪圖分類模型//128 
7.3在iOS中應用繪圖分類模型//133 
7.3.1構建iOS的自定義TensorFlow庫//133 
7.3.2開發使用模型的iOS應用程序//134 
7.4在Android中應用繪圖分類模型//140 
7.4.1構建Android的自定義TensorFlow庫//140 
7.4.2開發使用模型的Android應用程序//142 
7.5小結//149 


第8章基於RNN的股票價格預測//150 
8.1RNN和股票價格預測的工作原理//150 
8.2利用TensorFlow RNN API進行股票價格預測//152 
8.2.1在TensorFlow中訓練RNN模型//152 
8.2.2測試TensorFlow RNN模型//155 
8.3利用Keras RNN LSTM API進行股票價格預測//157 
8.3.1在Keras中訓練RNN模型//157 
8.3.2測試Keras RNN模型//160 
8.4在iOS上運行TensorFlow和Keras模型//162 
8.5在Android上運行TensorFlow和Keras模型//167 
8.6小結//171 


第9章基於GAN的圖像生成與增強//172 
9.1GAN的工作原理//172 
9.2基於TensorFlow構建和訓練GAN模型//173 
9.2.1生成手寫體數字的基本GAN模型//174 
9.2.2提高圖像分辨率的改進GAN模型//175 
9.3在iOS中應用GAN模型//179 
9.3.1基本GAN模型應用//181 
9.3.2改進GAN模型應用//182 
9.4在Android中應用GAN模型//185 
9.4.1基本GAN模型應用//187 
9.4.2改進GAN模型應用//188 
9.5小結//190 


第10章移動設備上類AlphaZero的遊戲應用程序開發//192 
10.1AlphaZero的工作原理//193 
10.2訓練和測試用於Connect 4遊戲的類AlphaZero模型//194 
10.2.1訓練模型//194 
10.2.2測試模型//196 
10.2.3分析建模代碼//199 
10.2.4凍結模型//200 
10.3利用iOS中的模型玩Connect 4遊戲//201 
10.4利用Android中的模型玩Connect 4遊戲//211 
10.5小結//220 


第11章TensorFlow Lite和Core ML在移動設備上的應用//222 
11.1TensorFlow Lite概述//222 
11.2在iOS中使用TensorFlow Lite //223 
11.2.1運行TensorFlow Lite iOS示例應用程序//223 
11.2.2在iOS中使用預構建的TensorFlow Lite模型//225 
11.2.3在iOS中使用用於TensorFlow Lite的再訓練TensorFlow模型//229 
11.2.4在iOS中使用自定義的TensorFlow Lite模型//229 
11.3在Android中使用TensorFlow Lite //230 
11.4面向iOS的Core ML概述//233 
11.5結合Scikit Learn機器學習的Core ML應用//234 
11.5.1構建和轉換Scikit Learn模型//234 
11.5.2在iOS中使用轉換的Core ML模型//236 
11.6結合Keras和TensorFlow的Core ML應用//237 
11.7小結//241 


第12章樹莓派上的TensorFlow應用程序開發//242 
12.1安裝樹莓派並運行//243 
12.1.1安裝樹莓派//243 
12.1.2運行樹莓派//245 
12.2在樹莓派上安裝TensorFlow //247 
12.3圖像識別和文本-語音轉換//249 
12.4音頻識別和機器人運動//250 
12.5樹莓派上的強化學習//252 
12.5.1理解CartPole仿真環境//253 
12.5.2基本直覺策略//256 
12.5.3利用神經網絡構建更好的策略//257 
12.6小結//263 
結束語//264