类似推荐
编辑推荐
从建模到应用、从理论到实践，实现从TensorFlow建模起步，到Android场景部署的应用示范。
内容简介
本书是一本以项目为引领、以经典模型为主线的面向产业链的实战化教科书。以基于Android手机的智能化应用场景为项目目标，采用迭代模式，从基于TensorFlow的智能建模开始，到基于Android的应用开发结束。
模型从训练到部署，设计周期长，技术要点多，复杂度高，工作量大，考验设计者的恒心与毅力。场景无限好，模型来相撑。场景包括一百余种花朵识别、三百余种鸟类识别、美食场景检测、驾驶场景检测、人机畅聊、人脸生成、人脸识别、基因序列预测、蛋白质结构预测等。
章节目录
版权信息
内容简介
前言
第1章EfficientNetV2与花朵识别
1.1 花伴侣
1.2 技术路线
1.3 花朵数据集
1.4 EfficientNetV1解析
1.5 EfficientNetV2解析
1.6 EfficientNetV2建模
1.7 EfficientNetV2训练
1.8 EfficientNetV2评估
1.9 EfficientNet-B7建模
1.10 Web服务器设计
1.11 新建Android项目
1.12 Android之网络访问接口
1.13 Android客户机界面
1.14 Android客户机逻辑
1.15 联合测试
1.16 小结
1.17 习题
第3章EfficientDet与美食场景检测
3.1 项目动力
3.2 技术路线
3.3 MakeSense定义标签
3.4 定义数据集
3.5 EfficientDet解析
3.6 EfficientDet-Lite预训练模型
3.7 美食版EfficientDet-Lite训练
3.8 评估指标mAP
3.9 美食版EfficientDet-Lite评估
3.10 美食版EfficientDet-Lite测试
3.11 新建Android项目
3.12 Android界面设计
3.13 Android逻辑设计
3.14 Android手机测试
3.15 小结
3.16 习题
第4章YOLOv5与驾驶场景检测
4.1 项目动力
4.2 驾驶场景检测
4.3 滑动窗口实现目标检测
4.4 卷积方法实现滑动窗口
4.5 交并比
4.6 非极大值抑制
4.7 Anchor Boxes
4.8 定义网格标签
4.9 YOLOv1解析
4.10 YOLOv2解析
4.11 YOLOv3解析
4.12 YOLOv4解析
4.13 YOLOv5解析
4.14 YOLOv5预训练模型
4.15 驾驶员图像采集
4.16 用LabelImg定义图像标签
4.17 YOLOv5迁移学习
4.18 生成YOLOv5-TFLite模型
4.19 在Android上部署YOLOv5
4.20 场景综合测试
4.21 小结
4.22 习题
第5章Transformer与人机畅聊
5.1 项目动力
5.2 机器问答技术路线
5.3 腾讯聊天数据集
5.4 Transformer模型解析
5.5 机器人项目初始化
5.6 数据集预处理与划分
5.7 定义Transformer输入层编码
5.8 定义Transformer注意力机制
5.9 定义Transformer编码器
5.10 定义Transformer解码器
5.11 Transformer模型合成
5.12 模型结构与参数配置
5.13 学习率动态调整
5.14 模型训练过程
5.15 损失函数与准确率曲线
5.16 聊天模型评估与测试
5.17 聊天模型部署到服务器
5.18 Android项目初始化
5.19 Android聊天界面设计
5.20 Android聊天逻辑设计
5.21 客户机与服务器联合测试
5.22 小结
5.23 习题
第6章StyleGAN与人脸生成
6.1 项目动力
6.2 GAN解析
6.3 Progressive GAN解析
6.4 StyleGAN解析
6.5 StyleGAN2解析
6.6 StyleGAN2-ADA解析
6.7 StyleGAN3解析
6.8 人脸生成测试
6.9 客户机与服务器通信逻辑
6.10 人脸生成服务器
6.11 桌面版客户机设计与测试
6.12 新建Android项目
6.13 Android界面设计
6.14 Android客户机逻辑设计
6.15 Android版客户机测试
6.16 小结
6.17 习题
第7章FaceNet与人脸识别
7.1 项目动力
7.2 人脸检测
7.3 人脸活体检测
7.4 三种方法做人脸检测
7.5 人脸识别
7.6 人脸数据采集
7.7 自定义人脸识别模型
7.8 人脸识别模型训练
7.9 人脸识别模型测试
7.10 VGG-Face人脸识别模型
7.11 VGG-Face门禁检测
7.12 FaceNet人脸识别模型
7.13 FaceNet服务器设计
7.14 Android项目初始化
7.15 Android网络访问接口
7.16 Android界面设计
7.17 Android客户机逻辑设计
7.18 客户机与服务器联合测试
7.19 活体数据采样
7.20 定义活体检测模型
7.21 活体检测模型训练
7.22 活体检测模型评估
7.23 实时检测与识别
7.24 小结
7.25 习题
第8章BERT与基因序列预测
8.1 生物信息学数据库
8.2 数据库检索
8.3 序列比对
8.4 多序列比对
8.5 基因增强子
8.6 增强子序列数据集
8.7 BERT模型解析
8.8 定义DNA序列预测模型
8.9 DNA序列特征提取
8.10 DNA序列模型训练
8.11 DNA序列模型评估
8.12 小结
8.13 习题
第9章AlphaFold2与蛋白质结构预测
9.1 历史突破
9.2 技术路线
9.3 初识AlphaFold2框架
9.4 数据集与特征提取
9.5 Evoformer推理逻辑
9.6 Structure模块逻辑
9.7 AlphaFold2损失函数
9.8 AlphaFold2项目实战演示
9.9 小结
9.10 习题
参考文献
TensorFlow+Android经典模型从理论到实战（微课视频版）是2023年由清华大学出版社出版,作者董相志 编著。
得书感谢您对《TensorFlow+Android经典模型从理论到实战（微课视频版）》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
