移动平台深度神经网络实战：原理、架构与优化

封面

版权信息

序一

序二

前言

第一篇 深度学习基础

第1章 向未来问好

1.1 机器学习即正义

1.2 机器学习的场景和任务

1.3 机器学习算法

1.4 如何掌握机器学习

1.5 深度学习

1.6 走进移动世界的深度学习

1.7 本书框架

1.8 本章小结

第2章 机器学习基础

2.1 机器学习的主要任务

2.2 贝叶斯模型

2.3 Logistic回归

2.4 本章小结

第3章 人工神经网络

3.1 人工神经网络简介

3.2 基本结构与前向传播

3.3 反向传播算法

3.4 实现前向神经网络

3.5 稀疏自编码器

3.6 神经网络数据预处理

3.7 本章小结

第4章 深度网络与卷积神经网络

4.1 深度网络

4.2 卷积神经网络

4.3 卷积神经网络实现

4.4 本章小结

第二篇 移动平台深度学习基础

第5章 移动平台深度学习框架设计与实现

5.1 移动平台深度学习系统开发简介

5.2 ARM Linux基础开发环境

5.3 TensorFlow Lite介绍

5.4 移动平台性能优化基础

5.5 本章小结

第6章 移动平台轻量级网络实战

6.1 适用于移动平台的轻量级网络

6.2 SqueezeNet

6.3 MobileNet

6.4 ShuffleNet

6.5 MobileNet V2

6.6 本章小结

第三篇 深入理解深度学习

第7章 高性能数据预处理实战

7.1 数据预处理任务

7.2 数据标准化

7.3 PCA

7.4 在Hurricane之上实现PCA

7.5 本章小结

第8章 基于深度神经网络的物体检测与识别

8.1 模式识别与物体识别

8.2 图像分类

8.3 目标识别与物体检测

8.4 检测识别实战

8.5 移动平台检测识别实战

8.6 本章小结

第四篇 深入理解移动平台深度学习

第9章 深入移动平台性能优化

9.1 模型压缩

9.2 权重稀疏化

9.3 模型加速

9.4 嵌入式优化

9.5 嵌入式优化代码实现

9.6 本章小结

第10章 数据采集与模型训练实战

10.1 收集海量数据

10.2 图片数据爬虫实现

10.3 训练与测试

10.4 本章小结

第11章 移动和嵌入式平台引擎与工具实战

11.1 TensorFlow Lite构建

11.2 集成TensorFlow Lite

11.3 核心实现分析

11.4 模型处理工具

11.5 本章小结

第12章 移动平台框架与接口实战

12.1 Core ML

12.2 Android Neural Networks API

12.3 实战：实现Android图像分类器App

12.4 未来之路