超51億的移動用戶,TensorFlow移動端方興未艾

file

在我國互聯網的發展過程當中,PC互聯網已經日趨飽和,移動互聯網卻呈現着井噴式發展。如今國內移動用戶已超15億,全球移動用戶已超過51億,2019年IoT裝置數量預計將超過全球人口總數!html

伴隨着移動終端價格的降低及WiFi的普遍使用,移動端用戶的數量將繼續呈現爆發之勢!咱們相信,在將來,雲端和移動端相結合的人工智能和設備端獨立的人工智能應用會慢慢成爲主流。算法


2018年初,TensorFlow做爲一個技術熱點,逐漸普及到機器學習應用開發的各個方面。在2018-2019年中國開發者報告中顯示,TensorFlow 使用普及率達到52%,是第二名的兩倍之多。TensorFlow已然成爲了人工智能開發者的首選。架構

file

(來自 CSDN)框架

TensorFlow做爲熱門開源機器學習框架,提供了對不一樣開發環境和設備的支持。隨着人工智能技術的普及和邊緣計算等新興技術的興起,機器學習的應用形式和生態有了很大的變化和發展。終端設備性能的提升、算法的改進以及機器學習專用設備的出現,讓人工智能應用逐漸從雲端向邊緣設備和終端設備轉移。機器學習

file

在移動設備上進行機器學習是很是困難和具備挑戰性的,主要表如今如下幾個方面:工具

  • 移動設備的CPU功率和電池電量很是有限。
  • 設備和雲之間的鏈接很是有限。
  • 避免設備和雲之間的大數據交換。
  • 解決設備和雲之間的遺留問題。
  • 保護用戶的隱私數據。

谷歌在2016年發佈TPU(張量處理單元),經過硬件加速爲人工智能提供強有力的計算基礎,並在其數據中心大量使用TPU。國內華爲等廠商也開始推出性能更高的芯片幫助移動端機器學習的實現。隨着移動設備變得愈來愈強大,咱們會看到更多運行在移動設備上的機器學習應用程序。「On-Device」機器學習已經成爲機器學習的主要應用形式。性能

file

其實,TensorFlow從一開始就把「On-Device」機器學習作爲研發的重點,並開源了相應的研發成果。現在市面上有不少介紹TensorFlow的書,可是大部分書是以機器學習的模型設計和雲端開發爲主,專門講解TensorFlow在移動端上進行開發的書還不多。學習


要想入門移動端的機器學習,王衆磊陳海波兩位老師的新書**《TensorFlow移動端機器學習實戰》**將是一個不錯選擇。即便做爲有必定經驗的開發者,本書也能幫助你在人工智能應用上更進一步。大數據

file

本書從深刻講解使用TensorFlow和TensorFlow Lite構建安卓的應用開始,講解了如何在雲端設計和訓練模型,爲移動端進行模型轉化和優化,在專有硬件和平臺上進行加速和優化,本書最後也介紹了一些最新的技術和開發框架。 做爲TensorFlow的開發者和使用者,本書做者完整地講解了使用TensorFlow進行端到端開發的實例和開發技巧,同時分享瞭如何使用開源工具進行軟件開發的最佳工程實踐和經驗。本書提供了全方位的視角幫助讀者開啓不一樣的思路,即便把本書做爲一本軟件開發和工程開發的書籍來讀,也會使讀者受益不淺。優化

▊ 閱讀本書你將學會

如何使用TensorFlow進行移動端機器學習應用的開發,並瞭解:

  • TensorFlow對移動平臺支持的起源和思路
  • TensorFlow對硬件加速技術的支持
  • TensorFlow Lite的架構和實現原理
  • TensorFlow在各類移動平臺和嵌入式平臺上的開發實例
  • 基於TensorFlow和谷歌雲進行機器學習的方法
  • 基於TensorFlow的機器學習服務框架
  • 基於TensorFlow的各類開源技術和工程實踐

▊ 本書結構簡介

第一章到第三章 介紹了TensorFlow在移動端開發的現狀,基本方法和流程。

第四章到第七章 深刻講解了如何使用TensorFlow和TensorFlow Lite在安卓上進行機器學習應用的開發。

第八章到第十一章 介紹了硬件加速,iOS和樹莓派等平臺上的開發方法,以及模型的優化方法。

最後簡要介紹了其餘機器學習框架和TensorFlow 2.0。

▊ 關於做者

**王衆磊,**TensorFlow的開發者之一,具備二十多年的留學和工做經驗。現定居美國硅谷,長期從事軟件開發工做,發表國際論文及國際專利多項。曾在谷歌等多家大型國際公司及初創企業工做過,有豐富的國內、國際開發及管理經驗。

**陳海波,**深蘭科技DeepBlue Technology的創始人,清華大學—深蘭科技機器視覺聯合研究中心管理委員會主任;上海交通大學—深蘭科技人工智能聯合實驗室管理委員會主任、中南大學—深蘭科技人工智能聯合研究院專家委員會委員,致力於人工智能的基礎研究和應用開發,建立的深蘭科學院擁有人工智能研究院、科學計算研究院、生命及AI腦科學院、自動化研究院和智能汽車研究院。

兩位做者都是TensorFlow的領頭人物,在攜手編寫此書的過程當中,不只把本身的國外工做的經驗寫入了書籍,還在不少的一部分講解根據國內的狀況進行了調整,讓本書在傳遞國外先進的經驗技術的同時也更適合國內的開發者的學習適應。

瞭解本書詳情:https://item.jd.com/12720116.html

本文由博客一文多發平臺 OpenWrite 發佈!

相關文章
相關標籤/搜索