计算机 类型
9.6 豆瓣评分
可以朗读 语音朗读
189千字 字数
2022-03-01 发行日期
展开全部

主编推荐语

基于TensorFlow.js，讲述如何解决深度学习应用部署的难题。

内容简介

本书旨在介绍智能前端开发和深度学习。本书首先介绍了相关的开发环境、前端开发基础知识、深度学习基础知识、前端智能框架和卷积神经网络，然后讲述了线性回归、logistical回归、XOR问题、人体姿态检测：目标检测、光学字符识别等方面的案例，后讲解了前端智能化案例。

本书适合Web前端开发人员、人工智能开发人员阅读，也可作为计算机相关专业师生的参考用书。

目录

  • 版权信息
  • 内容提要
  • 推荐序1
  • 推荐序2
  • 推荐序3
  • 前言
  • 服务与支持
  • 第1章 开发环境配置
  • 1.1 安装Anaconda3
  • 1.2 安装TensorFlow 2
  • 1.3 安装npm包管理工具
  • 1.4 安装TensorFlow.js的相关包
  • 1.5 使用WebStorm
  • 1.6 使用Google浏览器
  • 1.6.1 注册Chrome Web Store开发者
  • 1.6.2 Google浏览器扩展程序
  • 1.7 使用微信开发者工具
  • 1.7.1 添加微信小程序插件
  • 1.7.2 使用微信小程序插件
  • 1.7.3 发布微信小程序
  • 第2章 前端开发基础
  • 2.1 背景知识概述
  • 2.2 HTML基础
  • 2.2.1 HTML文档基本结构
  • 2.2.2 常用标签
  • 2.3 CSS基础
  • 2.3.1 CSS的3种使用方法
  • 2.3.2 CSS选择器
  • 2.4 JavaScript基础
  • 2.5 与Google扩展程序相关的JavaScript API
  • 2.6 深度学习中的JavaScript
  • 2.6.1 JavaScript数据类型
  • 2.6.2 JavaScript异步编程
  • 2.7 微信小程序开发
  • 2.7.1 微信小程序框架结构分析
  • 2.7.2 页面描述文件
  • 2.7.3 页面样式文件
  • 2.7.4 逻辑层文件
  • 2.7.5 小程序的事件系统
  • 第3章 深度学习概述
  • 3.1 深度学习环境
  • 3.1.1 云端深度学习环境选择
  • 3.1.2 本地深度学习环境搭建
  • 3.2 深度学习框架
  • 3.3 TensorFlow 2基础
  • 3.3.1 数据类型
  • 3.3.2 数值精度
  • 3.3.3 操作和计算图
  • 3.3.4 自动微分和梯度带
  • 3.3.5 广播机制
  • 3.3.6 框架概述
  • 3.4 深度学习基础
  • 3.4.1 BP神经网络
  • 3.4.2 激活函数
  • 3.4.3 softmax函数
  • 3.4.4 损失函数
  • 3.4.5 梯度下降算法
  • 3.4.6 反向传播
  • 第4章 TensorFlow.js框架详解
  • 4.1 TensorFlow.js框架概述
  • 4.2 TensorFlow.js低阶API详解
  • 4.2.1 张量操作方法
  • 4.2.2 数学运算
  • 4.3 TensorFlow.js高阶API详解
  • 4.3.1 构建模型
  • 4.3.2 模型配置
  • 4.3.3 模型训练
  • 4.3.4 模型评估
  • 4.3.5 模型转换
  • 4.4 TensorFlow.js Vis库详解
  • 4.4.1 Visor接口方法介绍
  • 4.4.2 模型可视化
  • 4.4.3 数据可视化
  • 4.4.4 模型评价指标
  • 4.5 其他API
  • 4.5.1 数据操作
  • 4.5.2 浏览器操作
  • 4.5.3 性能优化
  • 4.5.4 正则化
  • 4.5.5 早停法
  • 第5章 卷积神经网络
  • 5.1 卷积神经网络概述
  • 5.2 卷积层
  • 5.3 池化层
  • 5.4 轻量级的卷积神经网络
  • 5.4.1 SqueezeNet
  • 5.4.2 MobileNetV1
  • 5.4.3 ShuffleNetV1
  • 5.4.4 Xception
  • 第6章 TensorFlow.js基础案例
  • 6.1 线性回归
  • 6.1.1 案例简介
  • 6.1.2 代码实现
  • 6.2 logistical回归
  • 6.2.1 案例简介
  • 6.2.2 代码实现
  • 6.3 XOR问题
  • 6.3.1 案例简介
  • 6.3.2 代码实现
  • 6.4 加载与应用MobileNet模型
  • 6.4.1 案例简介
  • 6.4.2 代码实现
  • 6.5 《你画我猜》（MNIST手写数字版）
  • 6.5.1 案例简介
  • 6.5.2 代码实现
  • 第7章 TensorFlow官方数据集实战
  • 7.1 boston_housing数据集与实战案例
  • 7.1.1 数据集介绍
  • 7.1.2 房价预测实战
  • 7.2 与CIFAR-10数据集相关的实战案例
  • 7.2.1 数据集介绍
  • 7.2.2 在Anaconda3 Jupyter Notebook中加载数据集
  • 7.2.3 在Kaggle中导入CIFAR-10数据集
  • 7.2.4 从本地导入CIFAR-10数据集
  • 7.3 与CIFAR-100数据集相关的实战案例
  • 7.3.1 数据集介绍
  • 7.3.2 数据集展示
  • 7.4 与MNIST数据集相关的实战案例
  • 7.4.1 数据集介绍
  • 7.4.2 数据集展示
  • 7.5 与Fashion_MNIST数据集相关的实战案例
  • 7.5.1 数据集介绍
  • 7.5.2 数据集加载
  • 7.6 基于CNN的MNIST手写数字识别
  • 7.6.1 自定义网络模型
  • 7.6.2 微信小程序部署
  • 第8章 基于CNN的常见水果分类识别
  • 8.1 数据集介绍
  • 8.2 数据集标注
  • 8.3 数据预处理
  • 8.3.1 数据文件读取
  • 8.3.2 文件解码
  • 8.3.3 文件数据类型转换
  • 8.3.4 数据归一化
  • 8.4 模型概览
  • 8.5 模型设计
  • 8.6 模型配置
  • 8.7 模型训练
  • 8.8 模型评估
  • 8.9 模型部署
  • 8.9.1 在微信小程序中加载模型
  • 8.9.2 在Google浏览器中加载模型
  • 第9章 基于PoseNet的人体姿态检测
  • 9.1 项目概述
  • 9.2 项目初始化
  • 9.2.1 添加camera组件
  • 9.2.2 添加canvas对象
  • 9.3 模型加载
  • 9.4 姿态检测
  • 9.5 预测结果绘制
  • 9.6 效果展示
  • 第10章 基于Coco SSD的目标检测
  • 10.1 项目概述
  • 10.2 项目初始化
  • 10.2.1 添加camera组件
  • 10.2.2 添加canvas对象
  • 10.3 模型加载
  • 10.4 目标检测
  • 10.5 预测结果绘制
  • 10.6 效果展示
  • 第11章 OCR技术
  • 11.1 OCR技术概述
  • 11.2 OCR工具推荐
  • 11.3 微信OCR
  • 11.3.1 插件配置信息
  • 11.3.2 页面结构设计
  • 11.3.3 页面逻辑功能
  • 11.4 Google扩展程序OCR
  • 11.4.1 插件配置信息
  • 11.4.2 页面结构设计
  • 11.4.3 页面逻辑功能
  • 11.4.4 后台脚本
  • 第12章 神奇的人工智能
  • 12.1 个人网站恶意评论检测
  • 12.1.1 项目简介
  • 12.1.2 代码实现
  • 12.1.3 效果展示
  • 12.2 微信同声传译
  • 12.2.1 项目简介
  • 12.2.2 代码实现
  • 12.2.3 效果展示
  • 12.3 Google面馆正式营业了
  • 12.4 猜画小歌
  • 12.5 Face Touch Monitor
  • 12.6 Teachable Machine
  • 12.7 其他案例
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。