使用TensorFlow为多个移动平台构建智能深度学习和强化学习应用程序。 本书涵盖了10余个由TensorFlow提供支持并从头开始构建的完整iOS、Android和树莓派应用程序，可在设备上离线运行各种TensorFlow模型：从计算机视觉、语音识别和自然语言处理到生成对抗网络以及AlphaZero（如深度强化学习）。你将学习如何使用或再训练现有的模型、构建模型以及开发能运行这些模型的智能移动应用程序，并通过分步教程快速掌握如何构建此类应用程序，同时学会利用大量宝贵的故障排除技巧来避免实现过程中的许多陷阱。 本书主要适合构建和再训练TensorFlow模型并在移动应用程序中运行该模型的iOS和Android开发人员，或是在移动设备上运行新开发模型的TensorFlow开发人员阅读。

原书序
原书前言
关于作者
关于技术审校者
第1章 移动TensorFlow入门
1.1 TensorFlow的安装
1.1.1 在MacOS上安装TensorFlow
1.1.2 在GPU驱动的Ubuntu操作系统上安装TensorFlow
1.2 Xcode的安装
1.3 Android Studio的安装
1.4 TensorFlow Mobile与TensorFlow Lite对比
1.5 运行TensorFlow iOS示例应用程序
1.6 运行TensorFlow Android示例应用程序
1.7 小结
第2章 基于迁移学习的图像分类
2.1 迁移学习的基本原理与应用
2.2 利用Inception v3模型进行再训练
2.3 利用MobileNet模型进行再训练
2.4 再训练模型在iOS示例应用程序中的应用
2.5 再训练模型在Android示例应用程序中的应用
2.6 在iOS应用程序中添加TensorFlow
2.6.1 在Objective-C的iOS应用程序中添加TensorFlow
2.6.2 在Swift的iOS应用程序中添加TensorFlow
2.7 在Android应用程序中添加TensorFlow
2.8 小结
第3章 目标检测与定位
3.1 目标检测概述
3.2 TensorFlow目标检测API的安装
3.2.1 快速安装和示例
3.2.2 预训练模型的应用
3.3 SSD-MobileNet和Faster RCNN再训练模型
3.4 在iOS中使用目标检测模型
3.4.1 手动构建TensorFlow iOS库
3.4.2 在应用程序中使用TensorFlow iOS库
3.4.3 为iOS应用程序添加目标检测功能
3.5 YOLO2应用：另一种目标检测模型
3.6 小结
第4章 图像艺术风格迁移
4.1 神经风格迁移概述
4.2 快速神经风格迁移模型训练
4.3 在iOS中应用快速神经风格迁移模型
4.3.1 添加并测试快速神经风格迁移模型
4.3.2 应用快速神经风格迁移模型的iOS代码分析
4.4 在Android中应用快速神经风格迁移模型
4.5 在iOS中应用TensorFlow Magenta多风格模型
4.6 在Android中应用TensorFlow Magenta多风格模型
4.7 小结
第5章 理解简单语音命令
5.1 语音识别概述
5.2 训练简单的命令识别模型
5.3 在Android中应用简单的语音识别模型
5.3.1 通过模型构建新的应用程序
5.3.2 显示模型驱动的识别结果
5.4 在基于Objective-C的iOS中应用简单的语音识别模型
5.4.1 通过模型构建新的应用程序
5.4.2 利用tf_op_files.txt文件修正模型加载错误
5.5 在基于Swift的iOS中应用简单的语音识别模型
5.6 小结
第6章 基于自然语言的图像标注
6.1 图像标注的工作原理
6.2 训练和冻结图像标注模型
6.2.1 训练和测试标注生成
6.2.2 冻结图像标注模型
6.3 转换和优化图像标注模型
6.3.1 利用转换模型修正误差
6.3.2 优化转换模型
6.4 在iOS中应用图像标注模型
6.5 在Android中应用图像标注模型
6.6 小结
第7章 基于CNN和LSTM的绘图识别
7.1 绘图分类的工作原理
7.2 训练、预测和准备绘图分类模型
7.2.1 训练绘图分类模型
7.2.2 利用绘图分类模型进行预测
7.2.3 准备绘图分类模型
7.3 在iOS中应用绘图分类模型
7.3.1 构建iOS的自定义TensorFlow库
7.3.2 开发使用模型的iOS应用程序
7.4 在Android中应用绘图分类模型
7.4.1 构建Android的自定义TensorFlow库
7.4.2 开发使用模型的Android应用程序
7.5 小结
第8章 基于RNN的股票价格预测
8.1 RNN和股票价格预测的工作原理
8.2 利用TensorFlow RNN API进行股票价格预测
8.2.1 在TensorFlow中训练RNN模型
8.2.2 测试TensorFlow RNN模型
8.3 利用Keras RNN LSTM API进行股票价格预测
8.3.1 在Keras中训练RNN模型
8.3.2 测试Keras RNN模型
8.4 在iOS上运行TensorFlow和Keras模型
8.5 在Android上运行TensorFlow和Keras模型
8.6 小结
第9章 基于GAN的图像生成与增强
9.1 GAN的工作原理
9.2 基于TensorFlow构建和训练GAN模型
9.2.1 生成手写体数字的基本GAN模型
9.2.2 提高图像分辨率的改进GAN模型
9.3 在iOS中应用GAN模型
9.3.1 基本GAN模型应用
9.3.2 改进GAN模型应用
9.4 在Android中应用GAN模型
9.4.1 基本GAN模型应用
9.4.2 改进GAN模型应用
9.5 小结
第10章 移动设备上类AlphaZero的游戏应用程序开发
10.1 AlphaZero的工作原理
10.2 训练和测试用于Connect 4游戏的类AlphaZero模型
10.2.1 训练模型
10.2.2 测试模型
10.2.3 分析建模代码
10.2.4 冻结模型
10.3 利用iOS中的模型玩Connect 4游戏
10.4 利用Android中的模型玩Connect 4游戏
10.5 小结
第11章 TensorFlow Lite和Core ML在移动设备上的应用
11.1 TensorFlow Lite概述
11.2 在iOS中使用TensorFlow Lite
11.2.1 运行TensorFlow Lite iOS示例应用程序
11.2.2 在iOS中使用预构建的TensorFlow