TensorFlow Lite移動(dòng)設(shè)備深度學(xué)習(xí)從入門到實(shí)踐

第1 章 人工智能和機(jī)器學(xué)習(xí)基礎(chǔ)   1
1.1 人工智能的基礎(chǔ)知識(shí)  2
1.1.1 人工智能介紹         2
1.1.2 人工智能的發(fā)展歷程     2
1.1.3 人工智能的兩個(gè)重要發(fā)展階段     3
1.1.4 和人工智能相關(guān)的幾個(gè)重要概念         3
1.2 機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)  4
1.2.1 機(jī)器學(xué)習(xí)介紹         4
1.2.2 機(jī)器學(xué)習(xí)的三個(gè)發(fā)展階段        4
1.2.3 機(jī)器學(xué)習(xí)的分類        5
1.2.4 深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的對(duì)比     5
1.3 人工智能的研究領(lǐng)域和應(yīng)用場(chǎng)景    7
1.3.1 人工智能的研究領(lǐng)域     7
1.3.2 人工智能的應(yīng)用場(chǎng)景     8
1.3.3 人工智能的未來(lái)目標(biāo)     9
1.4 機(jī)器學(xué)習(xí)的步驟        10
1.5 使用Python 學(xué)習(xí)人工智能開(kāi)發(fā)    10
1.5.1 Python 在人工智能方面的優(yōu)勢(shì)        10
1.5.2 常用的Python 庫(kù)         11
1.6　TensorFlow 基礎(chǔ)     12
1.6.1　TensorFlow 介紹          12
1.6.2 TensorFlow 的優(yōu)勢(shì)       13
1.6.3 TensorFlow Lite 介紹    13
第2 章 搭建開(kāi)發(fā)環(huán)境          15
2.1 安裝環(huán)境要求       16
2.1.1 硬件要求       16
2.1.2 軟件要求       16
2.2 安裝TensorFlow     16
2.2.1 使用pip 安裝TensorFlow        17
2.2.2 使用Anaconda 安裝TensorFlow        18
2.2.3 安裝TensorFlow Lite解釋器          19
2.2.4 解決速度過(guò)慢的問(wèn)題    20
2.3 準(zhǔn)備開(kāi)發(fā)工具       20
2.3.1 使用PyCharm 開(kāi)發(fā)并調(diào)試運(yùn)行TensorFlow 程序          21
2.3.2 使用Colaboratory 開(kāi)發(fā)并調(diào)試運(yùn)行TensorFlow 程序    21
第3 章 個(gè)TensorFlow Lite 程序   25
3.1 開(kāi)發(fā)TensorFlow Lite 程序的流程       26
3.1.1 準(zhǔn)備模型       26
3.1.2 轉(zhuǎn)換模型       27
3.1.3 使用模型進(jìn)行推理       28
3.1.4 優(yōu)化模型       29
3.2 在Android 中創(chuàng)建TensorFlow Lite        30
3.2.1 需要安裝的工具          30
3.2.2 新建Android 工程        30
3.2.3 使用JCenter 中的TensorFlow Lite AAR       31
3.2.4 運(yùn)行和測(cè)試    32
第4 章 轉(zhuǎn)換模型            35
4.1 TensorFlow Lite 轉(zhuǎn)換器     36
4.1.1 轉(zhuǎn)換方式       36
4.1.2 將TensorFlow RNN 轉(zhuǎn)換為TensorFlow Lite      39
4.2 將元數(shù)據(jù)添加到 TensorFlow Lite模型        43
4.2.1 具有元數(shù)據(jù)格式的模型     43
4.2.2 使用Flatbuffers Python API 添加元數(shù)據(jù)          44
第5 章 推斷              49
5.1 TensorFlow Lite 推斷的基本知識(shí)       50
5.1.1 推斷的基本步驟          50
5.1.2 推斷支持的平臺(tái)          50
5.2 運(yùn)行模型      51
5.2.1 在Java 程序中加載和運(yùn)行模型        51
5.2.2 在 Swift 程序中加載和運(yùn)行模型        53
5.2.3 在Objective-C 程序中加載和運(yùn)行模型        54
5.2.4 在Objective-C 中使用C API       55
5.2.5 在 C 中加載和運(yùn)行模型      55
5.2.6 在 Python 中加載和運(yùn)行模型        56
5.3 運(yùn)算符操作       58
5.3.1 運(yùn)算符操作支持的類型     58
5.3.2 從TensorFlow 中選擇運(yùn)算符     59
5.3.3 自定義運(yùn)算符        61
5.3.4 融合運(yùn)算符    66
第6 章 使用元數(shù)據(jù)進(jìn)行推斷      67
6.1 元數(shù)據(jù)推斷簡(jiǎn)介        68
6.2 使用元數(shù)據(jù)生成模型接口   68
6.2.1 使用 Android Studio 機(jī)器學(xué)習(xí)模型進(jìn)行綁定    68
6.2.2 使用TensorFlow Lite 代碼生成器生成模型接口        71
6.3 通過(guò)Task 庫(kù)集成模型    73
6.3.1 Task Library 可以提供的內(nèi)容        73
6.3.2 支持的任務(wù)    73
6.3.3 集成圖像分類器          74
6.4 自定義輸入和輸出    75
第7 章 優(yōu)化處理            81
7.1 性能優(yōu)化      82
7.2 TensorFlow Lite 委托    84
7.2.1 選擇委托       84
7.2.2 評(píng)估工具       85
7.3 TensorFlow Lite GPU 代理   87
7.3.1 在Android 中使用TensorFlow Lite GPU 代理        87
7.3.2 在iOS 中使用TensorFlow LiteGPU 代理      88
7.3.3 在自己的模型上使用GPU代理        89
7.4 模型優(yōu)化      90
7.4.1 模型量化       90
7.4.2 訓(xùn)練后量化    91
7.4.3 訓(xùn)練后動(dòng)態(tài)范圍量化    93
第8 章 手寫數(shù)字識(shí)別器        103
8.1 系統(tǒng)介紹         104
8.2 創(chuàng)建模型         104
8.2.1 創(chuàng)建TensorFlow 數(shù)據(jù)模型      104
8.2.2 將Keras 模型轉(zhuǎn)換為TensorFlow Lite       108
8.3 Android 手寫數(shù)字識(shí)別器     110
8.3.1 準(zhǔn)備工作     110
8.3.2 頁(yè)面布局     112
8.3.3 實(shí)現(xiàn)Activity       113
8.3.4 實(shí)現(xiàn)TensorFlow Lite 識(shí)別     115
第9 章 鮮花識(shí)別系統(tǒng)        121
9.1 系統(tǒng)介紹         122
9.2 創(chuàng)建模型         122
9.2.1 創(chuàng)建TensorFlow 數(shù)據(jù)模型      122
9.2.2 將Keras 模型轉(zhuǎn)換為TensorFlow Lite       127
9.2.3 量化處理     129
9.2.4 更改模型     130
9.3 Android 鮮花識(shí)別器    132
9.3.1 準(zhǔn)備工作     132
9.3.2 頁(yè)面布局     134
9.3.3 實(shí)現(xiàn)UI Activity         136
9.3.4 實(shí)現(xiàn)主Activity         137
9.3.5 圖像轉(zhuǎn)換     142
9.3.6 使用 GPU 委托加速    147
第10 章 情感文本識(shí)別系統(tǒng)      149
10.1 系統(tǒng)介紹       150
10.2 創(chuàng)建模型       150
10.2.1 創(chuàng)建TensorFlow 數(shù)據(jù)模型          151
10.2.2 將Keras 模型轉(zhuǎn)換為TensorFlow Lite      155
10.2.3 調(diào)整模型    156
10.3 Android 情感識(shí)別器       160
10.3.1 準(zhǔn)備工作    161
10.3.2 頁(yè)面布局    163
10.3.3 實(shí)現(xiàn)主Activity        164
10.3.4 lib_task_api 方案      166
10.3.5 lib_interpreter 方案    168
第11 章 物體檢測(cè)識(shí)別系統(tǒng)      175
11.1 系統(tǒng)介紹       176
11.2 準(zhǔn)備模型       176
11.2.1 模型介紹    176
11.2.2 自定義模型        177
11.3 Android 物體檢測(cè)識(shí)別器  180
11.3.1 準(zhǔn)備工作    180
11.3.2 頁(yè)面布局    182
11.3.3 實(shí)現(xiàn)主Activity        186
11.3.4 物體識(shí)別界面          192
11.3.5 相機(jī)預(yù)覽界面拼接    195
11.3.6 lib_task_api 方案      202
11.3.7 lib_interpreter 方案    204
第12 章 智能客服系統(tǒng)        211
12.1 系統(tǒng)介紹       212
12.2 準(zhǔn)備模型       212
12.2.1 模型介紹    212
12.2.2 下載模型文件          213
12.3 Android 智能客服回復(fù)器  213
12.3.1 準(zhǔn)備工作    213
12.3.2 頁(yè)面布局    215
12.3.3 實(shí)現(xiàn)主Activity        216
12.3.4 智能回復(fù)處理          218