TensorFlow已经成为机器学习的流行框架和工业届标准，早期的TensorFlow以云端和数据中心中的机器学习为主，近期的一个趋势是，逐渐向移动端和设备端转移。推动这个趋势的动力包括人们对机器学习理论和认知的提高、算法及技术的改进、软件和硬件性能的提高，以及专有硬件的出现等，更主要的是，用户的需求和越来越丰富的场景需求。现在国内移动用户已超15亿，全球移动用户已超过51亿，2019年IoT装置数量预计将超过全球人口总数。我们相信，在未来，云端和移动端相结合的人工智能和设备端独立的人工智能应用会慢慢成为主流。作为TensorFlow的开发者和使用者，本书作者完整地讲解了使用TensorFlow进行端到端开发的实例和开发技巧，同时分享了如何使用开源工具进行软件开发的*佳工程实践和经验。本书提供了全方位的视角帮助读者开启不同的思路，即使把本书作为一本软件开发和工程开发的书籍来读，也会使读者受益匪浅。
内容简介
前言
第1章 机器学习和TensorFlow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TensorFlow Mobile
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TensorFlow Mobile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 TensorFlow 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TensorFlow 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 TensorFlow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
11.2 人工智能的发展方向
博文视点精品图书展台
