AI手機APP、智慧硬體專案實作:使用TensorFlow Lite(iOS/Android/RPi適用) | 被動收入的投資秘訣 - 2024年8月
![](https://www.books.com.tw/img/001/088/06/0010880636.jpg)
AI手機APP、智慧硬體專案實作:使用TensorFlow Lite(iOS/Android/RPi適用)
.針對行動與嵌入式裝置打造整合了TensorFlow的AI應用程式
.學會各種最新的AI議題,例如電腦視覺、自然語言處理,還有深度強化學習
.取得TensorFlow文件未收錄的實務導引以及超好用的獨家程式碼
身為開發者,您得隨時睜亮眼睛,準備好迎接下一波浪潮,同時還要留心現在最夯的是什麼。因此,如果把現在與未來這兩個世界的最佳方案整合起來的話,還有什麼比學會這個更棒的呢?AI人工智慧顯然是行動裝置後的下一件大事,而Google所推出的TensorFlow更是機器學習領域中頂尖的開放原始碼框架。
本書收錄了超過10個整合了TensorFlow的完整iOS、Android與Raspberry Pi應用程式,帶您從頭開始做,還能直接在裝置上離線執行各種超酷的TensorFlow模型:電腦視覺、語音語言處理、生成對抗網路與類似AlphaZero的深度強化學習。您將學會如何使用或重新訓練現有的TensorFlow模型、自行建置模型,以及開發可執行這些TensorFlow模型的行動裝置app。藉由本書中的逐步教學,搭配超實務除錯經驗來避開過程中的許多陷阱,您很快就會知道如何快速開發這類app了。
本書精彩內容:
.運用遷移學習技術來分類各種影像
.偵測物體與其位置
.將華麗的藝術風格套用在指定圖片上
.理解簡易的語音指令
.以自然語言來描述各種影像
.運用卷積神經網路與長短期記憶神經網路來描述繪畫內容
.使用TensorFlow與Keras來執行遞迴神經網路來預測股票價格
.使用生成對抗網路來生成與增強影像
.使用TensorFlow and Keras打造類似AlphaZero的行動裝置遊戲app
.在行動裝置上使用TensorFlow Lite與Core ML
.使用Raspberry Pi開發各種TensorFlow app,讓它可以移動、觀看、聆聽、說話,同時還兼具學習能力喔!
本書是為誰所寫
如果您是iOS兼(或)Android的開發者,並且有興趣自行建置或重新訓練各種酷炫的TensorFlow模型並把它們運行在您的行動app上,或者如果您是TensorFlow開發者,且想要把新作好的TensorFlow模型運行在行動裝置上的話,本書就是為您而寫。最後,如果您想了解TensorFlow Lite、Core ML或如何在Raspberry Pi運行TensorFlow的話,本書保證讓您收穫滿滿。
作者簡介
Jeff Tang
Jeff Tang早在二十多年前就愛上傳統的AI了。取得電腦科學的MS學位之後,他在Machine Translation工作了兩年,之後為了度過漫長的AI寒冬,轉型開發企業級app、語音app、網路程式與新創公司的行動app,還有AOL、百度與高通等公司。曾開發過一款獲得百萬下載紀錄的暢銷iOS app,也曾被Google認證為Top Android Market Developer。他於2015年再次投身當代AI開發,並且清楚明白這就是他往後二十年的熱情與投入所在。他的志向就是讓AI應用普及,本書也因此誕生。
01 認識 Mobile TensorFlow
1.1 設定 TensorFlow
1.2 設定 Xcode
1.3 設定 Android Studio
1.4 TensorFlow Mobile 與 TensorFlow Lite
1.5 執行範例 TensorFlow iOS app
1.6 執行範例 TensorFlow Android app
1.7 總結
02 運用遷移學習來分類影像
2.1 何謂遷移學習,為什麼要使用它
2.2 使用 Inception v3 模型來重新訓練
2.3 使用 MobileNet 模型來重新訓練
2.4 在範例 iOS app 中使用重新訓練後的模型
2.5 在範例 Android app 中使用重新訓練後的模型
2.6 在 iOS app 中加入 TensorFlow
2.7 在 Android app 中加入 TensorFlow
2.8 總結
03 偵測物體與其位置
3.1 認識物件偵測
3.2 設定 TensorFlow 物件偵測 API
3.3 重新訓練 SSD-MobileNet 與 Faster RCNN 模型
3.4 在 iOS 中使用物件偵測模型
3.5 使用 YOLO2 - 另一款物件偵測模型
3.6 總結
04 將圖片轉換為藝術風格
4.1 神經風格遷移簡介
4.2 訓練快速神經風格遷移模型
4.3 在 iOS 中使用快速神經風格遷移模型
4.4 在 Android 中使用快速神經風格遷移模型
4.5 在 iOS 中使用 TensorFlow Magenta 多重風格模型
4.6 在 Android 中使用 TensorFlow Magenta 多重風格模型
4.7 總結
05 理解簡易語音指令
5.1 語音辨識簡介
5.2 訓練簡易的指令辨識模型
5.3 在 Android 中使用簡易的語音辨識模型
5.4 使用 Objective-C 在 iOS 中執行簡易的語音辨識模型
5.5 使用 Swift 在 iOS 中執行簡易的語音辨識模型
5.6 總結
06 用自然語言描述影像
6.1 影像註解的工作原理
6.2 訓練和凍結影像註解模型
6.3 轉換和最佳化影像註解模型
6.4 在 iOS 中使用影像註解模型
6.5 在 Android 中使用影像註解模型
6.6 總結
07 使用 CNN 及 LSTM 做繪圖辨識
7.1 繪圖分類的運作原理
7.2 訓練、預測、以及準備繪圖分類模型
7.3 在 iOS 中使用繪圖分類模型
7.4 在 Android 中使用繪圖分類模型
7.5 總結
08 使用 RNN 預測股票價格
8.1 認識與實作 RNN 及股票價格預測
8.2 使用 TensorFlow RNN API 進行股票價格預測
8.3 使用 Keras RNN LSTM API 進行股票價格預測
8.4 在 iOS 中執行 TensorFlow 及 Keras 模型
8.5 在 Android 中執行 TensorFlow 及 Keras 模型
8.6 總結
09 使用 GAN 生成和強化影像
9.1 何謂 GAN,為什麼要使用它
9.2 使用 TensorFlow 建立和訓練 GAN 模型
9.3 在 iOS 中使用 GAN 模型
9.4 在 Android 中使用 GAN 模型
9.5 總結
10 建立像 AlphaZero 的手機遊戲程式
10.1 AlphaZero 如何運作
10.2 建立和訓練類似於 AlphaZero 的模型來玩四子棋
10.3 在 iOS 中使用模型玩四子棋
10.4 在 Android 中使用模型玩四子棋
10.5 總結
11 在行動裝置上使用 TensorFlow Lite 及 Core ML
11.1 TensorFlow Lite 簡介
11.2 在 iOS 中使用 TensorFlow Lite
11.3 在 Android 中使用 TensorFlow Lite
11.4 適用於 iOS 的 Core ML 簡介
11.5 將 Core ML 與 Scikit-Learn 機器學習結合使用
11.6 將 Core ML 與 Keras 及 TensorFlow 結合使用
11.7 總結
12 在樹莓派上開發 TensorFlow 應用
12.1 設定樹莓派並讓它動起來
12.2 在樹莓派上設定 TensorFlow
12.3 影像辨識及文字轉換成語音
12.4 語音辨識及機器人的動作
12.5 在樹莓派上的強化學習
12.6 總結
12.7 結語