本书系统地讲述如何基于TensorFlow Lite和Core ML构建Android与iOS应用程序。本书共9章。第1章介绍机器学习的基础知识以及TensorFlow Lite和Core ML框架。第2～8章介绍如何开发7款常见应用程序，分别是一款预测人物年龄和性别的应用程序，一款在照片上应用艺术风格迁移的应用程序，一款用于面部检测和条形码扫描的应用程序，一款类似于Snapchat的应用程序，一款识别手写数字的应用程序，一款流行的在线换脸应用程序，一款利用迁移学习完成食物分类的应用程序。第9章总结全书，并介绍基于机器学习的云服务。 本书适合机器学习、深度学习和人工智能等方面的专业人士阅读。
机器学习主要研究如何使计算机模拟或实现人类的学习行为，从而获取新的知识或技能，是人工智能领域的核心技术。基于机器学习开发的应用程序可以灵活地处理新数据。本书将展示如何将机器学习技术应用于移动端的应用程序开发中。 本书首先介绍TensorFlow Lite和Core ML的基础知识，然后讲述7个常见应用程序的开发，*后讨论基于机器学习的云服务。通过本书，读者可以学会如何开发一个预测年龄和性别的应用程序，如何对图片进行艺术风格迁移，如何实现面部检测和条形码扫描，如何构建一个用于美化的AR滤镜，如何在移动设备上检测手写的数字，如何实现可以换脸的应用程序，如何利用迁移学习对食物进行分类。 本书有助于读者掌握机器学习的概念，学会使用TensorFlow Lite和Core ML在手机上开发功能强大的应用程序。
Karthikeyan NG是印度的一名工程和技术主管。之前他曾经在Symantec公司担任软件工程师，之后就职于两家总部位于美国的初创企业，参与过各种类型的产品开发。他在开发各种可扩展的产品方面拥有超过9年的经验，这些产品使用了Web、Mobile、机器学习（Machine Learning，ML）、增强现实以及虚拟现实技术。他是一名有抱负的企业家和技术传播者，他勇于探索新技术并使用创新理念来解决问题。同时，他还是班加罗尔大学的客座教授。
第 1章 机器学习在移动端的使用情况 1
1.1 机器学习的基础 3
1.1.1 监督式学习 3
1.1.2 非监督式学习 3
1.1.3 线性回归监督式学习 4
1.2 TensorFlow Lite和Core ML 10
1.3 TensorFlow Lite 11
1.3.1 支持的平台 12
1.3.2 TensorFlow Lite的内存使用情况和性能 13
1.3.3 动手使用TensorFlow Lite 14
1.3.4 将SavedModel转换为TensorFlow Lite格式 15
1.3.5 在Android上使用TensorFlow Lite 16
1.3.6 在iOS上使用TensorFlow Lite 19
1.4 Core ML 20
1.4.1 Core ML模型转换 21
1.4.2 iOS应用程序中的Core ML 22
1.5 本章小结 24
第 2章 使用Core ML和CNN预测年龄与性别 25
2.1 年龄和性别预测 26
2.1.1 年龄预测 27
2.1.2 性别预测 27
2.2 卷积神经网络 28
2.2.1 发现模式 28
2.2.2 找出图片中的特征值 29
2.2.3 池化层 31
2.2.4 ReLU层 31
2.2.5 局部响应归一化层 32
2.2.6 dropout层 32
2.2.7 全连接层 33
2.2.8 使用CNN完成年龄和性别预测 33
2.3 在iOS上使用Core ML实现应用程序 35
2.4 本章小结 44
第3章 在照片上应用
艺术神经风格迁移 45
3.1 艺术神经风格迁移 46
3.1.1 背景 47
3.1.2 VGG网络 48
3.2 构建应用程序 49
3.2.1 TensorFlow-to-Core ML转换 52
3.2.2 iOS应用程序 55
3.2.3 Android应用程序 57
3.3 本章小结 77
3.4 参考网站 77
第4章 基于Firebase的ML Kit 78
4.1 ML Kit的基础 79
4.1.1 基本特征集 80
4.1.2 构建应用程序 81
4.2 人脸检测 86
4.2.1 面部朝向追踪 86
4.2.2 运行面部检测器 91
4.3 条形码扫描器 98
4.3.1 创建FirebaseVisionImage对象 99
4.3.2 创建FirebaseVisionBarcodeDetector对象 102
4.3.3 条形码检测 102
4.4 文本识别 105
4.4.1 基于设备的文本识别 105
4.4.2 基于云端的文本识别 107
4.5 本章小结 109
第5章 在Android上的AR滤镜 110
5.1 MobileNet模型 111
5.2 构建Android应用程序 116
5.3 参考网站 134
5.4 问题 134
5.5 本章小结 134
第6章 使用对抗学习构建手写数字分类器 135
6.1 生成式对抗网络 136
6.2 MNIST数据库 137
6.3 构建TensorFlow模型 138
6.4 训练神经网络 140
6.4.1 构建Android应用程序 143
6.4.2 用于手写的FreeHandView 144
6.4.3 数字分类器 150
6.5 本章小结 153
第7章 使用OpenCV与朋友换脸 154
7.1 换脸 155
7.1.1 换脸的步骤 157
7.1.2 构建Android应用程序 160
7.1.3 构建本地的脸交换器库 161
7.1.4 构建应用程序 167
7.2 本章小结 179
7.3 参考信息 179
7.4 问题 180
第8章 使用迁移学习完成食物分类 181
8.1 迁移学习 182
8.2 训练TensorFlow模型 184
8.2.1 安装TensorFlow 184
8.2.2 训练图片 184
8.2.3 使用图片重新训练 185
8.2.4 构建iOS应用程序 191
8.3 本章小结 198
第9章 接下来做什么 199
9.1 温故而知新 200
9.1.1 当开发机器学习应用程序时从何处入手 201
9.1.2 构建自己的模型 203
9.2 本章小结 206
9.3 进一步阅读 206
书单推荐
