Умные мобильные проекты с Tensorflow . 10+ приложений искусственного интеллекта, построенных с помощью платформ TensorFlow Mobile и TensorFlow Lite для iOS, Android и Raspberry Pi

Содержание книги "Умные мобильные проекты с Tensorflow . 10+ приложений искусственного интеллекта, построенных с помощью платформ TensorFlow Mobile и TensorFlow Lite для iOS, Android и Raspberry Pi"

Предисловие
Об авторе
О рецензентах
Введение
Для кого предназначена эта книга
Что охватывает эта книга
Как получить максимальную отдачу от этой книги
Когда читать данную книгу
Скачивание файлов с примерами кода
Условные обозначения
Комментарии переводчика
Глава 1. Начало работы с платформой TensorFlow Mobile
Настройка платформы TensorFlow
Настройка TensorFlow в MacOS
Настройка TensorFlow в Ubuntu с поддержкой GPU
Настройка среды разработки Xcode
Настройка среды разработки Android Studio
TensorFlow Mobile против TensorFlow Lite
Выполнение примеров приложений TensorFlow для iOS
Выполнение примеров приложений TensorFlow для Android
Резюме
Глава 2. Классифицирование изображений с помощью трансферного обучения
Трансферное обучение – что это такое и почему
Вторичная тренировка с использованием модели Inception v3
Вторичная тренировка с использованием моделей MobileNet
Использование вторично натренированных моделей в примере приложения для iOS
Использование вторично натренированных моделей в примере приложения для Android
Добавление платформы TensorFlow в свое собственное приложение для iOS
Добавление платформы TensorFlow в свое собственное приложение для iOS на языке Objective-C
Добавление платформы TensorFlow в свое собственное приложение для iOS на языке Swift
Добавление платформы TensorFlow в свое собственное приложение для Android
Резюме
Глава 3. Обнаружение и локализация объектов
Обнаружение объектов – краткий обзор
Настройка API TensorFlow обнаружения объектов
Быстрая установка и пример
Использование предварительно натренированных моделей
Вторичная тренировка моделей на основе SSD‑MobileNet и более быстрого RCNN-детектора
Использование моделей обнаружения объектов в iOS
Ручная сборка библиотек TensorFlow для iOS
Использование библиотек TensorFlow для iOS в приложении
Добавление функционала обнаружения объектов в приложение для iOS
Использование YOLO2 – еще одной модели обнаружения объектов
Резюме
Глава 4. Трансформирование рисунков с помощью художественных стилей
Нейронный перенос стиля – краткий обзор
Тренировка моделей быстрого нейронного переноса стиля
Использование моделей быстрого нейронного переноса стиля в iOS
Добавление и тестирование с моделями быстрого нейронного переноса
Анализ программного кода iOS с использованием моделей быстрого нейронного переноса
Использование моделей быстрого нейронного переноса стиля в Android
Использование многостилевой модели TensorFlow Magenta в iOS
Использование многостилевой модели TensorFlow Magenta в Android
Резюме
Глава 5. Понимание простых речевых команд
Распознавание речи – краткий обзор
Тренировка простой модели распознавания команд
Использование простой модели распознавания речи в Android
Создание нового приложения с использованием модели
Вывод результатов распознавания
Использование простой модели распознавания речи в iOS на языке Objective-C
Создание нового приложения с использованием модели
Исправление ошибок загрузки модели с помощью файла tf_op_files.txt
Использование простой модели распознавания речи в iOS
на языке Swift
Резюме
Глава 6. Описание изображений на естественном языке
Аннотирование изображений – как оно работает
Тренировка и замораживание модели аннотирования изображений
Тренировка и тестирование генерирования аннотаций
Замораживание модели аннотирования изображений
Трансформация и оптимизация модели аннотирования изображений
Исправление ошибок в трансформированных моделях
Оптимизация трансформированной модели
Использование модели аннотирования изображений в iOS
Использование модели аннотирования изображений в Android
Резюме
Глава 7. Распознавание рисунков с помощью CNN- и LSTM-сетей
Классификация рисунков – как это работает
Тренировка, предсказание и подготовка модели классификации рисунков
Тренировка модели классификации рисунков
Предсказание с помощью модели классификации рисунков
Подготовка модели классификации рисунков
Использование модели классификации рисунков в iOS
Сборка пользовательской библиотеки TensorFlow для iOS
Разработка приложения для iOS с использованием модели
Использование модели классификации рисунков в Android
Сборка пользовательской библиотеки TensorFlow для Android
Разработка приложения для Android с целью применения модели
Резюме
Глава 8. Предсказание биржевой цены с помощью RNN-сети
RNN-сеть и предсказание биржевой цены – что это такое и как это делается
Использование API TensorFlow RNN для предсказания биржевой цены
Тренировка RNN-модели в TensorFlow
Тестирование модели TensorFlow RNN
Использование API RNN LSTM библиотеки Keras для предсказания биржевой цены
Тренировка LSTM-модели в библиотеке Keras
Тестирование модели Keras RNN
Выполнение моделей TensorFlow и Keras в iOS
Выполнение моделей TensorFlow и Keras в Android
Резюме
Глава 9. Генерирование и улучшение изображений с помощью GAN‑сети
GAN-сеть – что это такое и почему
Построение и тренировка GAN-моделей с помощью TensorFlow
Базовая GAN-модель генерирования рукописных цифр
Продвинутая GAN-модель улучшения разрешающей способности изображения
Использование GAN-моделей в iOS
Использование базовой GAN-модели
Использование продвинутой GAN-модели
Использование GAN-моделей в Android
Использование базовой GAN-модели
Использование продвинутой GAN-модели
Резюме
Глава 10. Создание мобильного игрового AlphaZero-подобного приложения
Алгоритм AlphaZero – как он работает?
Тренировка и тестирование AlphaZero-подобной модели для игры «Четыре в ряд»
Тренировка модели
Тестирование модели
Анализ программного кода построения модели
Заморозка модели
Использование модели игры «Четыре в ряд» в iOS
Использование модели игры «Четыре в ряд» в Android
Резюме
Глава 11. Применение платформ TensorFlow Lite и Core ML на мобильных устройствах
Платформа TensorFlow Lite – краткий обзор
Использование платформы TensorFlow Lite в iOS
Выполнение примеров приложений TensorFlow Lite для iOS
Использование готовой модели TensorFlow Lite в iOS
Использование вторично натренированной модели TensorFlow для платформы TensorFlow Lite в iOS
Использование пользовательской модели TensorFlow Lite в iOS
Использование платформы TensorFlow Lite в Android
Платформа Core ML для iOS – краткий обзор
Использование платформы Core ML с машинным обучением на основе библиотеки Scikit-Learn
Построение и конвертирование моделей Scikit-Learn
Использование конвертированных в формат Core ML моделей в iOS
Использование платформы Core ML с Keras и TensorFlow
Резюме
Глава 12. Разработка приложений TensorFlow на компьютере Raspberry Pi
Настройка компьютера Raspberry Pi и приведение его в движение
Настройка материнской платы Raspberry Pi
Приведение компьютера Raspberry Pi в движение
Настройка платформы TensorFlow на компьютере Raspberry Pi
Распознавание изображений и речевое воспроизведение текста
Распознавание звука и движение робота
Самообучение с подкреплением на компьютере Raspberry Pi
Описание симулируемой среды CartPole
Начало с простой интуитивно понятной линии поведения
Использование нейронных сетей для построения более оптимальной линии поведения
Резюме
Послесловие