书中介绍大量许多前端开发人员都不知道的CSS知识点。通过阅读本书，读者会对CSS世界的深度和广度有一个全新的认识。
电子书
编辑推荐
基于TensorFlow.js，讲述如何解决深度学习应用部署的难题。
内容简介
本书首先介绍了相关的开发环境、前端开发基础知识、深度学习基础知识、前端智能框架和卷积神经网络，然后讲述了线性回归、logistical回归、XOR问题、人体姿态检测：目标检测、光学字符识别等方面的案例，最后讲解了前端智能化案例。
章节目录
- 版权信息
- 版 权
- 内容提要
- 推荐序1
- 推荐序2
- 推荐序3
- 前 言
- 服务与支持
- 提交勘误
- 与我们联系
- 关于异步社区和异步图书
- 第1章 开发环境配置
- 1.1 安装Anaconda3
- 1.2 安装TensorFlow 2
- 1.3 安装npm包管理工具
- 1.4 安装TensorFlow.js的相关包
- 1.5 使用WebStorm
- 1.6 使用Google浏览器
- 1.6.1 注册Chrome Web Store开发者
- 1.6.2 Google浏览器扩展程序
- 1.7 使用微信开发者工具
- 1.7.1 添加微信小程序插件
- 1.7.2 使用微信小程序插件
- 1.7.3 发布微信小程序
- 第2章 前端开发基础
- 2.1 背景知识概述
- 2.2 HTML基础
- 2.2.1 HTML文档基本结构
- 2.2.2 常用标签
- 2.3 CSS基础
- 2.3.1 CSS的3种使用方法
- 2.3.2 CSS选择器
- 2.4 JavaScript基础
- 2.5 与Google扩展程序相关的JavaScript API
- 2.6 深度学习中的JavaScript
- 2.6.1 JavaScript数据类型
- 2.6.2 JavaScript异步编程
- 2.7 微信小程序开发
- 2.7.1 微信小程序框架结构分析
- 2.7.2 页面描述文件
- 2.7.3 页面样式文件
- 2.7.4 逻辑层文件
- 2.7.5 小程序的事件系统
- 第3章 深度学习概述
- 3.1 深度学习环境
- 3.1.1 云端深度学习环境选择
- 3.1.2 本地深度学习环境搭建
- 3.2 深度学习框架
- 3.3 TensorFlow 2基础
- 3.3.1 数据类型
- 3.3.2 数值精度
- 3.3.3 操作和计算图
- 3.3.4 自动微分和梯度带
- 3.3.5 广播机制
- 3.3.6 框架概述
- 3.4 深度学习基础
- 3.4.1 BP神经网络
- 3.4.2 激活函数
- 3.4.3 softmax函数
- 3.4.4 损失函数
- 3.4.5 梯度下降算法
- 3.4.6 反向传播
- 第4章 TensorFlow.js框架详解
- 4.1 TensorFlow.js框架概述
- 4.2 TensorFlow.js低阶API详解
- 4.2.1 张量操作方法
- 4.2.2 数学运算
- 4.3 TensorFlow.js高阶API详解
- 4.3.1 构建模型
- 4.3.2 模型配置
- 4.3.3 模型训练
- 4.3.4 模型评估
- 4.3.5 模型转换
- 4.4 TensorFlow.js Vis库详解
- 4.4.1 Visor接口方法介绍
- 4.4.2 模型可视化
- 4.4.3 数据可视化
- 4.4.4 模型评价指标
- 4.5 其他API
- 4.5.1 数据操作
- 4.5.2 浏览器操作
- 4.5.3 性能优化
- 4.5.4 正则化
- 4.5.5 早停法
- 第5章 卷积神经网络
- 5.1 卷积神经网络概述
- 5.2 卷积层
- 5.3 池化层
- 5.4 轻量级的卷积神经网络
- 5.4.1 SqueezeNet
- 5.4.2 MobileNetV1
- 5.4.3 ShuffleNetV1
- 5.4.4 Xception
- 第6章 TensorFlow.js基础案例
- 6.1 线性回归
- 6.1.1 案例简介
- 6.1.2 代码实现
- 6.2 logistical回归
- 6.2.1 案例简介
- 6.2.2 代码实现
- 6.3 XOR问题
- 6.3.1 案例简介
- 6.3.2 代码实现
- 6.4 加载与应用MobileNet模型
- 6.4.1 案例简介
- 6.4.2 代码实现
- 6.5 《你画我猜》（MNIST手写数字版）
- 6.5.1 案例简介
- 6.5.2 代码实现
- 第7章 TensorFlow官方数据集实战
- 7.1 boston_housing数据集与实战案例
- 7.1.1 数据集介绍
- 7.1.2 房价预测实战
- 7.2 与CIFAR-10数据集相关的实战案例
- 7.2.1 数据集介绍
- 7.2.2 在Anaconda3 Jupyter Notebook中加载数据集
- 7.2.3 在Kaggle中导入CIFAR-10数据集
- 7.2.4 从本地导入CIFAR-10数据集
- 7.3 与CIFAR-100数据集相关的实战案例
- 7.3.1 数据集介绍
- 7.3.2 数据集展示
- 7.4 与MNIST数据集相关的实战案例
- 7.4.1 数据集介绍
- 7.4.2 数据集展示
- 7.5 与Fashion_MNIST数据集相关的实战案例
- 7.5.1 数据集介绍
- 7.5.2 数据集加载
- 7.6 基于CNN的MNIST手写数字识别
- 7.6.1 自定义网络模型
- 7.6.2 微信小程序部署
- 第8章 基于CNN的常见水果分类识别
- 8.1 数据集介绍
- 8.2 数据集标注
- 8.3 数据预处理
- 8.3.1 数据文件读取
- 8.3.2 文件解码
- 8.3.3 文件数据类型转换
- 8.3.4 数据归一化
- 8.4 模型概览
- 8.5 模型设计
- 8.6 模型配置
- 8.7 模型训练
- 8.8 模型评估
- 8.9 模型部署
- 8.9.1 在微信小程序中加载模型
- 8.9.2 在Google浏览器中加载模型
- 第9章 基于PoseNet的人体姿态检测
- 9.1 项目概述
- 9.2 项目初始化
- 9.2.1 添加camera组件
- 9.2.2 添加canvas对象
- 9.3 模型加载
- 9.4 姿态检测
- 9.5 预测结果绘制
- 9.6 效果展示
- 第10章 基于Coco SSD的目标检测
- 10.1 项目概述
- 10.2 项目初始化
- 10.2.1 添加camera组件
- 10.2.2 添加canvas对象
- 10.3 模型加载
- 10.4 目标检测
- 10.5 预测结果绘制
- 10.6 效果展示
- 第11章 OCR技术
- 11.1 OCR技术概述
- 11.2 OCR工具推荐
- 11.3 微信OCR
- 11.3.1 插件配置信息
- 11.3.2 页面结构设计
- 11.3.3 页面逻辑功能
- 11.4 Google扩展程序OCR
- 11.4.1 插件配置信息
- 11.4.2 页面结构设计
- 11.4.3 页面逻辑功能
- 11.4.4 后台脚本
- 第12章 神奇的人工智能
- 12.1 个人网站恶意评论检测
- 12.1.1 项目简介
- 12.1.2 代码实现
- 12.1.3 效果展示
- 12.2 微信同声传译
- 12.2.1 项目简介
- 12.2.2 代码实现
- 12.2.3 效果展示
- 12.3 Google面馆正式营业了
- 12.4 猜画小歌
- 12.5 Face Touch Monitor
- 12.6 Teachable Machine
- 12.7 其他案例
展开全部
智能前端技术与实践是2022年由人民邮电出版社出版,作者石璞东。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《智能前端技术与实践》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。
电子书
电子书
html+css+javascript教程详解，JavaScript高级程序设计精粹。
电子书
1.中国信息通信研究院、科大讯飞、清华大学等多位大咖推荐作序。2.知识性：本书涉及智能语音各项前沿技术，涵盖了语音交互、声纹识别、全双工等多项新技术。3.丰富性：本书涵盖了技术、产业和应用3个方面，介绍智能语音全链条和各环节的现状趋势。4.系统性：本书介绍人类语音听说和机器语音听说的异同，包含语音学、语言学和计算机等多学科交叉，系统了解技术的衍生变化。5.实用性：本书汇集了智能语音应用在各领域、各场景的实际案例，从真实的案例中反映技术的产业赋能。
电子书
“科技改变中国”系列丛书之一，带你看人工智能在我国的发展。
电子书
本教材较为系统地介绍了人工智能应用场景下的数据采集、数据处理、数据标注等技术。
电子书
从理论到实践，带你渐进式了解Vue.js前端开发技术。
电子书
本书是人工智能和机器学习领域专家多年实践的结晶。
电子书
微软算法工程师编写的AI行业求职指南，包含8位不同背景AI从业者的真实经历。
