舉報

會員
移動端AI與ML應(yīng)用開發(fā):基于iOS和Android
最新章節(jié):
封底
沒有設(shè)備可以運行的話,人工智能將一無是處。既然移動設(shè)備已成為大多數(shù)人的主要計算設(shè)備,那么移動開發(fā)人員將AI添加到他們的工具箱中便至關(guān)重要。本書是你在iOS和Android等流行移動平臺上創(chuàng)建和運行機器學習模型的實用指南。作者首先介紹了機器學習技術(shù)和工具,然后引導你使用MLKit、TensorFlowLite和CoreML等工具編寫由常見ML模型(如計算機視覺和文本識別)驅(qū)動的Android和iOS應(yīng)用程序。如果你是一名移動端應(yīng)用開發(fā)者,本書將幫助你利用當今的ML技術(shù)。通過閱讀本書,你將:最探索在移動設(shè)備上實施ML和AI的選項。最為iOS和Android創(chuàng)建ML模型。最為iOS和Android編寫MLKit和TensorFlowLite應(yīng)用程序,為iOS編寫CoreML/CreateML應(yīng)用程序。最為你的用例選擇合適的技術(shù)和工具,例如,基于云的推理與移動端推理、高級API與低級API。最了解移動端機器學習的隱私和倫理實踐。
目錄(206章)
倒序
- 封面
- 版權(quán)信息
- O'Reilly Media Inc.介紹
- 本書贊譽
- 譯者序
- 前言
- 第1章 人工智能和機器學習簡介
- 1.1 什么是人工智能
- 1.2 什么是機器學習
- 1.2.1 從傳統(tǒng)編程轉(zhuǎn)向機器學習
- 1.2.2 機器如何學習
- 1.2.3 機器學習與傳統(tǒng)編程的比較
- 1.3 在移動設(shè)備上構(gòu)建和使用模型
- 1.4 總結(jié)
- 第2章 計算機視覺簡介
- 2.1 為視覺使用神經(jīng)元
- 2.1.1 你的第一個分類器:識別衣物
- 2.1.2 數(shù)據(jù):Fashion MNIST
- 2.1.3 解析Fashion MNIST的模型架構(gòu)
- 2.1.4 編寫Fashion MNIST模型
- 2.2 計算機視覺的遷移學習
- 2.3 總結(jié)
- 第3章 ML Kit簡介
- 3.1 在Android上構(gòu)建人臉檢測應(yīng)用程序
- 3.1.1 第1步:使用Android Studio創(chuàng)建應(yīng)用程序
- 3.1.2 第2步:添加和配置ML Kit
- 3.1.3 第3步:定義用戶界面
- 3.1.4 第4步:將圖像添加為資產(chǎn)
- 3.1.5 第5步:使用默認圖片加載UI
- 3.1.6 第6步:調(diào)用人臉檢測器
- 3.1.7 第7步:添加邊界矩形
- 3.2 為iOS構(gòu)建人臉檢測器應(yīng)用程序
- 3.2.1 第1步:在Xcode中創(chuàng)建項目
- 3.2.2 第2步:使用CocoaPods和podfile
- 3.2.3 第3步:創(chuàng)建用戶界面
- 3.2.4 第4步:添加應(yīng)用程序邏輯
- 3.3 總結(jié)
- 第4章 Android上使用ML Kit的計算機視覺應(yīng)用程序
- 4.1 圖像標記和分類
- 4.1.1 第1步:創(chuàng)建應(yīng)用程序并配置ML Kit
- 4.1.2 第2步:創(chuàng)建用戶界面
- 4.1.3 第3步:將圖像添加為資產(chǎn)
- 4.1.4 第4步:將圖像加載到ImageView
- 4.1.5 第5步:編寫按鈕處理程序代碼
- 4.1.6 下一步
- 4.2 物體檢測
- 4.2.1 第1步:創(chuàng)建應(yīng)用程序并導入ML Kit
- 4.2.2 第2步:創(chuàng)建活動布局XML
- 4.2.3 第3步:將圖像加載到ImageView
- 4.2.4 第4步:設(shè)置物體檢測器選項
- 4.2.5 第5步:處理按鈕交互
- 4.2.6 第6步:繪制邊界框
- 4.2.7 第7步:標記物體
- 4.3 檢測和跟蹤視頻中的物體
- 4.3.1 探索布局
- 4.3.2 GraphicOverlay類
- 4.3.3 捕捉相機
- 4.3.4 ObjectAnalyzer類
- 4.3.5 ObjectGraphic類
- 4.3.6 組合在一起
- 4.4 總結(jié)
- 第5章 Android上使用ML Kit的文本處理應(yīng)用程序
- 5.1 實體提取
- 5.1.1 創(chuàng)建應(yīng)用程序
- 5.1.2 為活動創(chuàng)建布局
- 5.1.3 編寫實體提取代碼
- 5.1.4 組合在一起
- 5.2 手寫識別和其他識別
- 5.2.1 創(chuàng)建應(yīng)用程序
- 5.2.2 創(chuàng)建繪圖平面
- 5.2.3 使用ML Kit解析墨跡
- 5.3 智能回復對話
- 5.3.1 創(chuàng)建應(yīng)用程序
- 5.3.2 模擬對話
- 5.3.3 生成智能回復
- 5.4 總結(jié)
- 第6章 iOS上使用ML Kit的計算機視覺應(yīng)用程序
- 6.1 圖像標記和分類
- 6.1.1 第1步:在Xcode中創(chuàng)建應(yīng)用程序
- 6.1.2 第2步:創(chuàng)建podfile
- 6.1.3 第3步:設(shè)置故事板
- 6.1.4 第4步:編輯視圖控制器代碼來使用ML Kit
- 6.2 使用ML Kit在iOS中進行物體檢測
- 6.2.1 第1步:開始
- 6.2.2 第2步:在故事板上創(chuàng)建UI
- 6.2.3 第3步:為注釋創(chuàng)建子視圖
- 6.2.4 第4步:執(zhí)行物體檢測
- 6.2.5 第5步:處理回調(diào)函數(shù)
- 6.2.6 將物體檢測與圖像分類結(jié)合
- 6.2.7 視頻中的物體檢測和跟蹤
- 6.3 總結(jié)
- 第7章 iOS上使用ML Kit的文本處理應(yīng)用程序
- 7.1 實體提取
- 7.1.1 第1步:創(chuàng)建應(yīng)用程序并添加ML Kit pod
- 7.1.2 第2步:創(chuàng)建帶有動作和輸出的故事板
- 7.1.3 第3步:允許視圖控制器用于文本輸入
- 7.1.4 第4步:初始化模型
- 7.1.5 第5步:從文本中提取實體
- 7.2 手寫識別
- 7.2.1 第1步:創(chuàng)建應(yīng)用程序并添加ML Kit pod
- 7.2.2 第2步:創(chuàng)建故事板、動作和輸出
- 7.2.3 第3步:筆畫、點和墨跡
- 7.2.4 第4步:捕獲用戶輸入
- 7.2.5 第5步:初始化模型
- 7.2.6 第6步:進行墨跡識別
- 7.3 智能回復對話
- 7.3.1 第1步:創(chuàng)建應(yīng)用程序并集成ML Kit
- 7.3.2 第2步:創(chuàng)建故事板、輸出和動作
- 7.3.3 第3步:創(chuàng)建模擬對話
- 7.3.4 第4步:獲取智能回復
- 7.4 總結(jié)
- 第8章 更深入:了解TensorFlow Lite
- 8.1 什么是TensorFlow Lite
- 8.2 TensorFlow Lite入門
- 8.2.1 保存模型
- 8.2.2 轉(zhuǎn)換模型
- 8.2.3 使用獨立解釋器測試模型
- 8.3 創(chuàng)建一個Android應(yīng)用程序來托管TFLite
- 8.3.1 導入TFLite文件
- 8.3.2 編寫Kotlin代碼與模型交互
- 8.3.3 超越基礎(chǔ)
- 8.4 創(chuàng)建一個iOS應(yīng)用程序來托管TFLite
- 8.4.1 第1步:創(chuàng)建一個基本的iOS應(yīng)用程序
- 8.4.2 第2步:將TensorFlow Lite添加到項目中
- 8.4.3 第3步:創(chuàng)建用戶界面
- 8.4.4 第4步:添加并初始化模型推理類
- 8.4.5 第5步:執(zhí)行推理
- 8.4.6 第6步:將模型添加到應(yīng)用程序中
- 8.4.7 第7步:添加UI邏輯
- 8.4.8 超越“Hello World”:處理圖像
- 8.5 探索模型優(yōu)化
- 8.5.1 量化
- 8.5.2 使用代表性數(shù)據(jù)
- 8.6 總結(jié)
- 第9章 創(chuàng)建自定義模型
- 9.1 使用TensorFlow Lite Model Maker創(chuàng)建模型
- 9.2 使用Cloud AutoML創(chuàng)建模型
- 9.3 使用TensorFlow和遷移學習創(chuàng)建模型
- 9.4 創(chuàng)建語言模型
- 9.5 總結(jié)
- 第10章 在Android中使用自定義模型
- 10.1 將模型橋接到Android
- 10.2 從Model Maker輸出構(gòu)建圖像分類應(yīng)用程序
- 10.3 將Model Maker輸出與ML Kit結(jié)合使用
- 10.4 使用語言模型
- 10.5 創(chuàng)建用于語言分類的Android應(yīng)用程序
- 10.5.1 創(chuàng)建布局文件
- 10.5.2 對活動進行編碼
- 10.6 總結(jié)
- 第11章 在iOS中使用自定義模型
- 11.1 將模型橋接到iOS
- 11.2 自定義模型圖像分類器
- 11.2.1 第1步:創(chuàng)建應(yīng)用程序并添加TensorFlow Lite pod
- 11.2.2 第2步:創(chuàng)建UI和圖像資產(chǎn)
- 11.2.3 第3步:加載和瀏覽圖像資產(chǎn)
- 11.2.4 第4步:加載模型
- 11.2.5 第5步:將圖像轉(zhuǎn)換為輸入張量
- 11.2.6 第6步:獲取張量的推理
- 11.3 在ML Kit中使用自定義模型
- 11.4 在Swift中構(gòu)建用于自然語言處理的應(yīng)用程序
- 11.4.1 第1步:加載詞匯
- 11.4.2 第2步:將句子轉(zhuǎn)換為序列
- 11.4.3 第3步:擴展數(shù)組以處理不安全數(shù)據(jù)
- 11.4.4 第4步:將數(shù)組復制到數(shù)據(jù)緩沖區(qū)
- 11.4.5 第5步:對數(shù)據(jù)進行推理并處理結(jié)果
- 11.5 總結(jié)
- 第12章 使用Firebase產(chǎn)品化應(yīng)用程序
- 12.1 為什么要使用Firebase自定義模型托管
- 12.2 創(chuàng)建多個模型版本
- 12.3 使用Firebase模型托管
- 12.3.1 第1步:創(chuàng)建Firebase項目
- 12.3.2 第2步:使用自定義模型托管
- 12.3.3 第3步:創(chuàng)建一個基本的Android應(yīng)用程序
- 12.3.4 第4步:將Firebase添加到應(yīng)用程序中
- 12.3.5 第5步:從Firebase模型托管獲取模型
- 12.3.6 第6步:使用遠程配置
- 12.3.7 第7步:讀取應(yīng)用程序中的遠程配置
- 12.3.8 下一步
- 12.4 總結(jié)
- 第13章 為簡單的iOS應(yīng)用程序創(chuàng)建ML和Core ML
- 13.1 使用Create ML構(gòu)建Core ML圖像分類器
- 13.1.1 制作一個使用Create ML模型的Core ML應(yīng)用程序
- 13.1.2 添加MLModel文件
- 13.1.3 運行推理
- 13.2 使用Create ML構(gòu)建文本分類器
- 13.3 在應(yīng)用程序中使用模型
- 13.4 總結(jié)
- 第14章 從移動應(yīng)用程序訪問基于云的模型
- 14.1 安裝TensorFlow Serving
- 14.1.1 使用Docker安裝
- 14.1.2 在Linux上直接安裝
- 14.2 構(gòu)建和服務(wù)模型
- 14.3 從Android訪問服務(wù)器模型
- 14.4 從iOS訪問服務(wù)器模型
- 14.5 總結(jié)
- 第15章 移動應(yīng)用程序的道德、公平和隱私
- 15.1 負責任的人工智能的道德、公平和隱私
- 15.1.1 負責任地定義你的問題
- 15.1.2 避免數(shù)據(jù)中的偏差
- 15.1.3 構(gòu)建和訓練模型
- 15.1.4 評估模型
- 15.2 Google的人工智能原則
- 15.3 總結(jié)
- 關(guān)于作者
- 關(guān)于封面
- 封底 更新時間:2023-07-24 18:06:41
推薦閱讀
- 寬帶接入技術(shù)
- 雷達微波新技術(shù)
- 無線定位原理與技術(shù)
- 基于數(shù)字條紋投影的在線深度獲取技術(shù)
- 5G商用:打造高速智能應(yīng)用場景
- IPv6網(wǎng)絡(luò)部署實戰(zhàn)
- 電子設(shè)備人機工程設(shè)計及應(yīng)用
- 電磁場與電磁波
- 電子工程師必備:九大系統(tǒng)電路識圖寶典
- 電子產(chǎn)品測試技術(shù)
- 5G時代的網(wǎng)絡(luò)安全
- 5G改變世界
- 移動通信天線技術(shù)與工程應(yīng)用
- Blackfin雙核處理器與應(yīng)用開發(fā)
- LED照明技術(shù)與設(shè)計100問
- 移動產(chǎn)品設(shè)計實戰(zhàn)寶典
- PADS 9.0高速電路PCB設(shè)計與應(yīng)用
- Serverless架構(gòu)應(yīng)用開發(fā):Python實現(xiàn)
- TFT-LCD技術(shù)
- 移動UI界面設(shè)計(微課版)
- FTTX網(wǎng)絡(luò)建設(shè)與維護
- 鐵路信號集中監(jiān)測故障案例分析
- 光網(wǎng)絡(luò)傳輸技術(shù)
- 液晶電視檢修技能1+1點撥
- Sora:讀懂人工智能新紀元
- Android應(yīng)用開發(fā)教程(第2版)
- MF-TDMA寬帶衛(wèi)星通信網(wǎng)絡(luò)
- 多功能集成電路555經(jīng)典應(yīng)用實例
- 電子系統(tǒng)設(shè)計實戰(zhàn)
- 新型平板彩電總線調(diào)整速查手冊