科技
类型
可以朗读
语音朗读
140千字
字数
2023-01-01
发行日期
展开全部
主编推荐语
本书是你在iOS和Android等流行移动平台上创建和运行机器学习模型的实用指南。
内容简介
没有设备可以运行的话，人工智能将一无是处。既然移动设备已成为大多数人的主要计算设备，那么移动开发人员将AI添加到他们的工具箱中便至关重要。
作者首先介绍了机器学习技术和工具，然后引导你使用ML Kit、TensorFlow Lite和Core ML等工具编写由常见ML模型（如计算机视觉和文本识别）驱动的Android和iOS应用程序。如果你是一名移动端应用开发者，本书将帮助你利用当今的ML技术。
目录
- 版权信息
- O'Reilly Media, Inc.介绍
- 本书赞誉
- 译者序
- 前言
- 第1章 人工智能和机器学习简介
- 1.1 什么是人工智能
- 1.2 什么是机器学习
- 1.2.1 从传统编程转向机器学习
- 1.2.2 机器如何学习
- 1.2.3 机器学习与传统编程的比较
- 1.3 在移动设备上构建和使用模型
- 1.4 总结
- 第2章 计算机视觉简介
- 2.1 为视觉使用神经元
- 2.1.1 你的第一个分类器：识别衣物
- 2.1.2 数据：Fashion MNIST
- 2.1.3 解析Fashion MNIST的模型架构
- 2.1.4 编写Fashion MNIST模型
- 2.2 计算机视觉的迁移学习
- 2.3 总结
- 第3章 ML Kit简介
- 3.1 在Android上构建人脸检测应用程序
- 3.1.1 第1步：使用Android Studio创建应用程序
- 3.1.2 第2步：添加和配置ML Kit
- 3.1.3 第3步：定义用户界面
- 3.1.4 第4步：将图像添加为资产
- 3.1.5 第5步：使用默认图片加载UI
- 3.1.6 第6步：调用人脸检测器
- 3.1.7 第7步：添加边界矩形
- 3.2 为iOS构建人脸检测器应用程序
- 3.2.1 第1步：在Xcode中创建项目
- 3.2.2 第2步：使用CocoaPods和podfile
- 3.2.3 第3步：创建用户界面
- 3.2.4 第4步：添加应用程序逻辑
- 3.3 总结
- 第4章 Android上使用ML Kit的计算机视觉应用程序
- 4.1 图像标记和分类
- 4.1.1 第1步：创建应用程序并配置ML Kit
- 4.1.2 第2步：创建用户界面
- 4.1.3 第3步：将图像添加为资产
- 4.1.4 第4步：将图像加载到ImageView
- 4.1.5 第5步：编写按钮处理程序代码
- 4.1.6 下一步
- 4.2 物体检测
- 4.2.1 第1步：创建应用程序并导入ML Kit
- 4.2.2 第2步：创建活动布局XML
- 4.2.3 第3步：将图像加载到ImageView
- 4.2.4 第4步：设置物体检测器选项
- 4.2.5 第5步：处理按钮交互
- 4.2.6 第6步：绘制边界框
- 4.2.7 第7步：标记物体
- 4.3 检测和跟踪视频中的物体
- 4.3.1 探索布局
- 4.3.2 GraphicOverlay类
- 4.3.3 捕捉相机
- 4.3.4 ObjectAnalyzer类
- 4.3.5 ObjectGraphic类
- 4.3.6 组合在一起
- 4.4 总结
- 第5章 Android上使用ML Kit的文本处理应用程序
- 5.1 实体提取
- 5.1.1 创建应用程序
- 5.1.2 为活动创建布局
- 5.1.3 编写实体提取代码
- 5.1.4 组合在一起
- 5.2 手写识别和其他识别
- 5.2.1 创建应用程序
- 5.2.2 创建绘图平面
- 5.2.3 使用ML Kit解析墨迹
- 5.3 智能回复对话
- 5.3.1 创建应用程序
- 5.3.2 模拟对话
- 5.3.3 生成智能回复
- 5.4 总结
- 第6章 iOS上使用ML Kit的计算机视觉应用程序
- 6.1 图像标记和分类
- 6.1.1 第1步：在Xcode中创建应用程序
- 6.1.2 第2步：创建podfile
- 6.1.3 第3步：设置故事板
- 6.1.4 第4步：编辑视图控制器代码来使用ML Kit
- 6.2 使用ML Kit在iOS中进行物体检测
- 6.2.1 第1步：开始
- 6.2.2 第2步：在故事板上创建UI
- 6.2.3 第3步：为注释创建子视图
- 6.2.4 第4步：执行物体检测
- 6.2.5 第5步：处理回调函数
- 6.2.6 将物体检测与图像分类结合
- 6.2.7 视频中的物体检测和跟踪
- 6.3 总结
- 第7章 iOS上使用ML Kit的文本处理应用程序
- 7.1 实体提取
- 7.1.1 第1步：创建应用程序并添加ML Kit pod
- 7.1.2 第2步：创建带有动作和输出的故事板
- 7.1.3 第3步：允许视图控制器用于文本输入
- 7.1.4 第4步：初始化模型
- 7.1.5 第5步：从文本中提取实体
- 7.2 手写识别
- 7.2.1 第1步：创建应用程序并添加ML Kit pod
- 7.2.2 第2步：创建故事板、动作和输出
- 7.2.3 第3步：笔画、点和墨迹
- 7.2.4 第4步：捕获用户输入
- 7.2.5 第5步：初始化模型
- 7.2.6 第6步：进行墨迹识别
- 7.3 智能回复对话
- 7.3.1 第1步：创建应用程序并集成ML Kit
- 7.3.2 第2步：创建故事板、输出和动作
- 7.3.3 第3步：创建模拟对话
- 7.3.4 第4步：获取智能回复
- 7.4 总结
- 第8章 更深入：了解TensorFlow Lite
- 8.1 什么是TensorFlow Lite
- 8.2 TensorFlow Lite入门
- 8.2.1 保存模型
- 8.2.2 转换模型
- 8.2.3 使用独立解释器测试模型
- 8.3 创建一个Android应用程序来托管TFLite
- 8.3.1 导入TFLite文件
- 8.3.2 编写Kotlin代码与模型交互
- 8.3.3 超越基础
- 8.4 创建一个iOS应用程序来托管TFLite
- 8.4.1 第1步：创建一个基本的iOS应用程序
- 8.4.2 第2步：将TensorFlow Lite添加到项目中
- 8.4.3 第3步：创建用户界面
- 8.4.4 第4步：添加并初始化模型推理类
- 8.4.5 第5步：执行推理
- 8.4.6 第6步：将模型添加到应用程序中
- 8.4.7 第7步：添加UI逻辑
- 8.4.8 超越“Hello World”：处理图像
- 8.5 探索模型优化
- 8.5.1 量化
- 8.5.2 使用代表性数据
- 8.6 总结
- 第9章 创建自定义模型
- 9.1 使用TensorFlow Lite Model Maker创建模型
- 9.2 使用Cloud AutoML创建模型
- 9.3 使用TensorFlow和迁移学习创建模型
- 9.4 创建语言模型
- 9.5 总结
- 第10章 在Android中使用自定义模型
- 10.1 将模型桥接到Android
- 10.2 从Model Maker输出构建图像分类应用程序
- 10.3 将Model Maker输出与ML Kit结合使用
- 10.4 使用语言模型
- 10.5 创建用于语言分类的Android应用程序
- 10.5.1 创建布局文件
- 10.5.2 对活动进行编码
- 10.6 总结
- 第11章 在iOS中使用自定义模型
- 11.1 将模型桥接到iOS
- 11.2 自定义模型图像分类器
- 11.2.1 第1步：创建应用程序并添加TensorFlow Lite pod
- 11.2.2 第2步：创建UI和图像资产
- 11.2.3 第3步：加载和浏览图像资产
- 11.2.4 第4步：加载模型
- 11.2.5 第5步：将图像转换为输入张量
- 11.2.6 第6步：获取张量的推理
- 11.3 在ML Kit中使用自定义模型
- 11.4 在Swift中构建用于自然语言处理的应用程序
- 11.4.1 第1步：加载词汇
- 11.4.2 第2步：将句子转换为序列
- 11.4.3 第3步：扩展数组以处理不安全数据
- 11.4.4 第4步：将数组复制到数据缓冲区
- 11.4.5 第5步：对数据进行推理并处理结果
- 11.5 总结
- 第12章 使用Firebase产品化应用程序
- 12.1 为什么要使用Firebase自定义模型托管
- 12.2 创建多个模型版本
- 12.3 使用Firebase模型托管
- 12.3.1 第1步：创建Firebase项目
- 12.3.2 第2步：使用自定义模型托管
- 12.3.3 第3步：创建一个基本的Android应用程序
- 12.3.4 第4步：将Firebase添加到应用程序中
- 12.3.5 第5步：从Firebase模型托管获取模型
- 12.3.6 第6步：使用远程配置
- 12.3.7 第7步：读取应用程序中的远程配置
- 12.3.8 下一步
- 12.4 总结
- 第13章 为简单的iOS应用程序创建ML和Core ML
- 13.1 使用Create ML构建Core ML图像分类器
- 13.1.1 制作一个使用Create ML模型的Core ML应用程序
- 13.1.2 添加MLModel文件
- 13.1.3 运行推理
- 13.2 使用Create ML构建文本分类器
- 13.3 在应用程序中使用模型
- 13.4 总结
- 第14章 从移动应用程序访问基于云的模型
- 14.1 安装TensorFlow Serving
- 14.1.1 使用Docker安装
- 14.1.2 在Linux上直接安装
- 14.2 构建和服务模型
- 14.3 从Android访问服务器模型
- 14.4 从iOS访问服务器模型
- 14.5 总结
- 第15章 移动应用程序的道德、公平和隐私
- 15.1 负责任的人工智能的道德、公平和隐私
- 15.1.1 负责任地定义你的问题
- 15.1.2 避免数据中的偏差
- 15.1.3 构建和训练模型
- 15.1.4 评估模型
- 15.2 Google的人工智能原则
- 15.3 总结
- 关于作者
- 关于封面
展开全部
评分及书评
评分不足
2个评分
出版方
机械工业出版社
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
