本书循序渐进地讲解了使用TensorFlow Lite开发移动设备深度学习程序的核心知识，并通过具体实例的实现过程演练了使用TensorFlow Lite的方法和流程。全书共12章，分别讲解了人工智能和机器学习基础、搭建开发环境、第一个TensorFlow Lite程序、转换模型、推断、使用元数据进行推断、优化处理、手写数字识别器、鲜花识别系统、情感文本识别系统、物体检测识别系统、智能客服系统。 本书简洁而不失其技术深度，内容丰富全面，易于阅读，以极简的文字介绍了复杂的案例，适用于已经了解了Python语言基础语法的读者，以及想进一步学习机器学习和深度学习技术的读者，还可以作为大专院校相关专业的师生用书和培训学校的专业性教材。

第1章 人工智能和机器学习基础
1.1 人工智能的基础知识
1.1.1 人工智能介绍
1.1.2 人工智能的发展历程
1.1.3 人工智能的两个重要发展阶段
1.1.4 和人工智能相关的几个重要概念
1.2 机器学习的基础知识
1.2.1 机器学习介绍
1.2.2 机器学习的三个发展阶段
1.2.3 机器学习的分类
1.2.4 深度学习和机器学习的对比
1.3 人工智能的研究领域和应用场景
1.3.1 人工智能的研究领域
1.3.2 人工智能的应用场景
1.3.3 人工智能的未来目标
1.4 机器学习的步骤
1.5 使用Python学习人工智能开发
1.5.1 Python在人工智能方面的优势
1.5.2 常用的Python库
1.6 TensorFlow基础
1.6.1 TensorFlow介绍
1.6.2 TensorFlow的优势
1.6.3 TensorFlow Lite介绍
第2章 搭建开发环境
2.1 安装环境要求
2.1.1 硬件要求
2.1.2 软件要求
2.2 安装TensorFlow
2.2.1 使用pip安装TensorFlow
2.2.2 使用Anaconda安装TensorFlow
2.2.3 安装TensorFlow Lite解释器
2.2.4 解决速度过慢的问题
2.3 准备开发工具
2.3.1 使用PyCharm开发并调试运行TensorFlow程序
2.3.2 使用Colaboratory开发并调试运行TensorFlow程序
第3章 第一个TensorFlow Lite程序
3.1 开发TensorFlow Lite程序的流程
……
第4章 转换模型
第5章 推断
第6章 使用元数据进行推断
第7章 优化处理
第8章 手写数字识别器
第9章 鲜花识别系统
第10章 情感文本识别系统
第11章 物体检测识别系统
第12章 智能客服系统