基于浏览器的深度学习

作品简介

本书是Web开发和深度学习的跨界，主要介绍基于浏览器的深度学习技术，具体内容包括神经网络架构、主流的JavaScript深度学习框架、深度学习的JavaScript基础、基于WebGL的GPU加速、浏览器上的数据抽取和操作，以及tensorflow.js实践应用。每章都配有完整的代码示例以及可视化效果，轻松易学。也详细介绍了tensorflow.js重要的模块tfjs-core、tfjs-layers、tfjs-node、tfjs-converter等。

泽维尔·布里（Xavier Bourry），是创业公司Jeeliz的联合创始人和CTO，专注于深度学习。他使用WebGL API开发了基于GPU的深度学习引擎，其性能比TFJS高，能够用于实时视频处理。

佐佐木凯（Kai Sasaki），是Arm公司的高级软件工程师，还是Apache Hivemall Committer。他擅长Web和数据处理平台，在使用APNS和GCM开发和维护通知平台、开发Hadoop和Storm等数据处理平台、开发/维护Presto集群等方面有丰富的经验。

克里斯托夫·科纳（Christoph Körner），是微软公司大数据和人工智能专家，之前是T-Mobile Austria的大数据技术主管、Kaggle Vienna机器学习社区的会议组织者。除本书外，他还著有《Learning Responsive Data Visualization》《Data Visualization with D3 and AngularJS》等。

中野礼一郎（Reiichiro Nakano），是Infostellar公司的软件开发工程师，专注于机器学习。

作品目录

• 译者序
• 前言
• 第1章　深度学习
• 1.1　深度神经网络的数学基础
• 1.2　深度神经网络的训练
• 1.3　本章小结
• 第2章　神经网络架构
• 2.1　卷积神经网络
• 2.2　循环神经网络
• 2.3　深度强化学习
• 2.4　本章小结
• 第3章　JavaScript深度学习框架
• 3.1　TensorFlow.js
• 3.2　WebDNN
• 3.3　Keras.js
• 3.4　本章小结
• 第4章　深度学习的JavaScript基础
• 4.1　JavaScript中的TypedArray
• 4.2　JavaScript中的并发
• 4.3　在CPU/GPU上加载资源
• 4.4　本章小结
• 第5章　基于WebGL的GPU加速
• 5.1　WebGL基础
• 5.2　WebGL实现常规计算
• 5.3　使用纹理和着色器的矩阵计算
• 5.4　手写数字识别应用
• 5.5　本章小结
• 第6章　从浏览器中提取数据
• 6.1　加载图像数据
• 6.2　将像素数据渲染到屏幕上
• 6.3　访问相机、麦克风和扬声器
• 6.4　深度学习框架中的实用工具
• 6.5　本章小结
• 第7章　高级数据操作的方法
• 7.1　反序列化Protobuf
• 7.2　用Chart.js绘制图表
• 7.3　用画布画草图
• 7.4　从麦克风计算频谱图
• 7.5　人脸检测与跟踪
• 7.6　本章小结
• 第8章　基于TensorFlow.js构建应用
• 8.1　TensorFlow.js实现手势识别
• 8.2　TensorFlow.js实现文本生成
• 8.3　TensorFlow.js实现图像降噪
• 8.4　本章小结
• 8.5　最后结论