移动平台深度神经网络实战

作品简介

这是一本讲解怎么养大象，以及如何把大象装进口袋里的实战书。

深度学习的出现和应用，把许多科幻小说中预言的机器智能变成现实，也助力计算机将海量数据处理能力转化为更深层的解构、洞察和创造力，进而提供更加人性化的服务。在深度学习炸裂式发展的背后，是无数科研工作者对算法网络的不断改善和工程师们夜以继日的努力，才将这些成果转化为更多人触手可及的力量。

然而深度学习并不是一门程序语言或者一个编程框架，而是一个知识体系。对于有志进入这个领域发展的人来说，这个名词所代表的数学知识和计算机技术，以及将这些概念转化为应用所牵涉的框架和体系，恰如一只身躯庞大、威力无穷的大象。它的鼻子、耳朵、四肢、尾巴，每一处都饱含新知，每一处都值得细细琢磨。这很容易让人感觉处处都要学习，无从下手，生出畏惧心来。

卢誉声编著

作品目录

• 序一
• 序二
• 前言
• 第一篇　深度学习基础
• 第1章　向未来问好
• 1.1　机器学习即正义
• 1.2　机器学习的场景和任务
• 1.3　机器学习算法
• 1.4　如何掌握机器学习
• 1.5　深度学习
• 1.6　走进移动世界的深度学习
• 1.7　本书框架
• 1.8　本章小结
• 第2章　机器学习基础
• 2.1　机器学习的主要任务
• 2.2　贝叶斯模型
• 2.3　Logistic回归
• 2.4　本章小结
• 第3章　人工神经网络
• 3.1　人工神经网络简介
• 3.2　基本结构与前向传播
• 3.3　反向传播算法
• 3.4　实现前向神经网络
• 3.5　稀疏自编码器
• 3.6　神经网络数据预处理
• 3.7　本章小结
• 第4章　深度网络与卷积神经网络
• 4.1　深度网络
• 4.2　卷积神经网络
• 4.3　卷积神经网络实现
• 4.4　本章小结
• 第二篇　移动平台深度学习基础
• 第5章　移动平台深度学习框架设计与实现
• 5.1　移动平台深度学习系统开发简介
• 5.2　ARM Linux基础开发环境
• 5.3　TensorFlow Lite介绍
• 5.4　移动平台性能优化基础
• 5.5　本章小结
• 第6章　移动平台轻量级网络实战
• 6.1　适用于移动平台的轻量级网络
• 6.2　SqueezeNet
• 6.3　MobileNet
• 6.4　ShuffleNet
• 6.5　MobileNet V2
• 6.6　本章小结
• 第三篇　深入理解深度学习
• 第7章　高性能数据预处理实战
• 7.1　数据预处理任务
• 7.2　数据标准化
• 7.3　PCA
• 7.4　在Hurricane之上实现PCA
• 7.5　本章小结
• 第8章　基于深度神经网络的物体检测与识别
• 8.1　模式识别与物体识别
• 8.2　图像分类
• 8.3　目标识别与物体检测
• 8.4　检测识别实战
• 8.5　移动平台检测识别实战
• 8.6　本章小结
• 第四篇　深入理解移动平台深度学习
• 第9章　深入移动平台性能优化
• 9.1　模型压缩
• 9.2　权重稀疏化
• 9.3　模型加速
• 9.4　嵌入式优化
• 9.5　嵌入式优化代码实现
• 9.6　本章小结
• 第10章　数据采集与模型训练实战
• 10.1　收集海量数据
• 10.2　图片数据爬虫实现
• 10.3　训练与测试
• 10.4　本章小结
• 第11章　移动和嵌入式平台引擎与工具实战
• 11.1　TensorFlow Lite构建
• 11.2　集成TensorFlow Lite
• 11.3　核心实现分析
• 11.4　模型处理工具
• 11.5　本章小结
• 第12章　移动平台框架与接口实战
• 12.1　Core ML
• 12.2　Android Neural Networks API
• 12.3　实战：实现Android图像分类器App
• 12.4　未来之路
• 12.5　本章小结