TensorFlow移动端机器学习实战

封面

版权信息

前言

第1章 机器学习和TensorFIow简述

1.1 机器学习和TensorFlow的历史及发展现状

1.2 在移动设备上运行机器学习的应用

1.3 机器学习框架

第2章 构建开发环境

2.1 开发主机和设备的选择

2.2 在网络代理环境下开发

2.3 集成开发环境IDE

2.4 构建工具Bazel

2.5 装载TensorFlow

2.6 文档

第3章 基于移动端的机器学习的开发方式和流程

3.1 开发方式和流程简介

3.2 使用TPU进行训练

3.3 设备端进行机器学习训练

3.4 使用TensorFlow Serving优化TensorFlow模型

3.5 TensorFlow扩展（Extended）

第4章 构建TensorFIow MobiIe

4.1 TensorFlow Mobile的历史

4.2 TensorFlow代码结构

4.3 构建及运行

第5章 用TensorFIow MobiIe构建机器学习应用

5.1 准备工作

5.2 图像分类（Image Classification）

5.3 物体检测（Object Detection）

5.4 时尚渲染（Stylization）

5.5 声音识别（Speech Recognization）

第6章 TensorFIow Lite的架构

6.1 模型格式

6.2 底层结构和设计

6.3 工具

第7章 用TensorFIow Lite构建机器学习应用

7.1 模型设计

7.2 开发应用

7.3 TensorFlow Lite的应用

7.4 TensorFlow Lite使用GPU

7.5 训练模型

第8章 移动端的机器学习开发

8.1 其他设备的支持

8.2 设计和优化模型

8.3 设计机器学习应用程序要点

第9章 TensorFIow的硬件加速

9.1 神经网络接口

9.2 硬件加速

第10章 机器学习应用框架

10.1 ML Kit

10.2 联合学习（Federated Learning）

第11章 基于移动设备的机器学习的未来

11.1 TensorFlow 2.0和路线图