智能前端技术与实践

基本信息

书名：智能前端技术与实践

定价：99.80元

作者：石璞东,吴萌,王慧琴

出版社：人民邮电出版社

出版日期：2022-03-01

ISBN：9787115584397

字数：

页码：339

版次：1

装帧：平装

开本：16开

商品重量：0.4kg

编辑推荐

1.深入浅出，通俗易懂 n
基于TensorFlow.js讲述如何在浏览器端开发人工智能应用，深入浅出地介绍了前端开发、深度学习的相关知识，帮助读者提升智能前端开发水平。 n
2.实用工具书，针对性强 n
从环境配置出发，详细介绍了卷积神经网络与移动端常用的几个网络模型。 n
3.实例丰富，参考性强 n
提供大量实际案例，具有较高参考价值。 n
4.适用性强，具有广泛性 n
适配新版本以及多类型设备，具有广泛参考性。

内容提要

本书旨在介绍智能前端开发和深度学习。本书首先介绍了相关的开发环境、前端开发基础知识、深度学习基础知识、前端智能框架和卷积神经网络，然后讲述了线性回归、logistical 回归、XOR 问题、人体姿态检测：目标检测、光学字符识别等方面的案例，后讲解了前端智能化案例。 n
本书适合 Web 前端开发人员、人工智能开发人员阅读，也可作为计算机相关专业师生的参考用书。

目录

目　　录 n
第 1章 开发环境配置 1 n
1．1 安装Anaconda3 1 n
1．2 安装TensorFlow 2 6 n
1．3 安装npm包管理工具 11 n
1．4 安装TensorFlow．js的相关包 14 n
1．5 使用WebStorm 18 n
1．6 使用Google浏览器 19 n
1．6．1 注册Chrome Web Store开发者 19 n
1．6．2 Google浏览器扩展程序 20 n
1．7 使用开发者工具 27 n
1．7．1 添加小程序插件 29 n
1．7．2 使用小程序插件 29 n
1．7．3 发布小程序 35 n
第 2章 前端开发基础 39 n
2．1 背景知识概述 39 n
2．2 HTML基础 40 n
2．2．1 HTML文档基本结构 41 n
2．2．2 常用标签 49 n
2．3 CSS基础 55 n
2．3．1 CSS的3种使用方法 55 n
2．3．2 CSS选择器 56 n
2．4 JavaScript基础 56 n
2．5 与Google扩展程序相关的JavaScriptAPI 58 n
2．6 深度学习中的JavaScript 61 n
2．6．1 JavaScript数据类型 61 n
2．6．2 JavaScript异步编程 63 n
2．7 小程序开发 67 n
2．7．1 小程序框架结构分析 68 n
2．7．2 页面描述文件 72 n
2．7．3 页面样式文件 87 n
2．7．4 逻辑层文件 88 n
2．7．5 小程序的事件系统 91 n
第3章 深度学习概述 95 n
3．1 深度学习环境 95 n
3．1．1 云端深度学习环境选择 95 n
3．1．2 本地深度学习环境搭建 104 n
3．2 深度学习框架 105 n
3．3 TensorFlow 2基础 113 n
3．3．1 数据类型 113 n
3．3．2 数值精度 115 n
3．3．3 操作和计算图 116 n
3．3．4 自动微分和梯度带 117 n
3．3．5 广播机制 118 n
3．3．6 框架概述 118 n
3．4 深度学习基础 119 n
3．4．1 BP神经网络 120 n
3．4．2 激活函数 121 n
3．4．3 softmax函数 126 n
3．4．4 损失函数 126 n
3．4．5 梯度下降算法 130 n
3．4．6 反向传播 132 n
第4章 TensorFlow．js框架详解 134 n
4．1 TensorFlow．js框架概述 134 n
4．2 TensorFlow．js低阶API详解 136 n
4．2．1 张量操作方法 136 n
4．2．2 数算 148 n
4．3 TensorFlow．js高阶API详解 153 n
4．3．1 构建模型 154 n
4．3．2 模型配置 160 n
4．3．3 模型训练 160 n
4．3．4 模型评估 160 n
4．3．5 模型转换 164 n
4．4 TensorFlow．js Vis库详解 166 n
4．4．1 Visor接口方法介绍 167 n
4．4．2 模型可视化 168 n
4．4．3 数据可视化 173 n
4．4．4 模型评价指标 175 n
4．5 其他API 176 n
4．5．1 数据操作 176 n
4．5．2 浏览器操作 183 n
4．5．3 性能优化 184 n
4．5．4 正则化 185 n
4．5．5 早停法 185 n
第5章 卷积神经网络 187 n
5．1 卷积神经网络概述 187 n
5．2 卷积层 188 n
5．3 池化层 192 n
5．4 轻量级的卷积神经网络 194 n
5．4．1 SqueezeNet 195 n
5．4．2 MobileNetV1 198 n
5．4．3 ShuffleNetV1 201 n
5．4．4 Xceptio203 n
第6章 TensorFlow．js基础案例 206 n
6．1 线性回归 207 n
6．1．1 案例简介 207 n
6．1．2 代码实现 207 n
6．2 logistical回归 211 n
6．2．1 案例简介 211 n
6．2．2 代码实现 211 n
6．3 XOR问题 215 n
6．3．1 案例简介 215 n
6．3．2 代码实现 216 n
6．4 加载与应用MobileNet模型 220 n
6．4．1 案例简介 220 n
6．4．2 代码实现 220 n
6．5 《你画我猜》（MNIST手写数字版） 224 n
6．5．1 案例简介 224 n
6．5．2 代码实现 224 n
第7章 TensorFlow官方数据集实战 231 n
7．1 boston_housing数据集与实战案例 231 n
7．1．1 数据集介绍 231 n
7．1．2 房价预测实战 232 n
7．2 与CIFAR-10数据集相关的实战案例 235 n
7．2．1 数据集介绍 235 n
7．2．2 在Anaconda3 Jupyter Notebook中加载数据集 235 n
7．2．3 在Kaggle中导入CIFAR-10数据集 236 n
7．2．4 从本地导入CIFAR-10数据集 240 n
7．3 与CIFAR-100数据集相关的实战案例 248 n
7．3．1 数据集介绍 248 n
7．3．2 数据集展示 249 n
7．4 与MNIST数据集相关的实战案例 253 n
7．4．1 数据集介绍 253 n
7．4．2 数据集展示 253 n
7．5 与Fashion_MNIST数据集相关实战案例 255 n
7．5．1 数据集介绍 255 n
7．5．2 数据集加载 256 n
7．6 基于N的MNIST手写数字识别 257 n
7．6．1 自定义网络模型 257 n
7．6．2 小程序部署 261 n
第8章 基于N的常见水果分类识别 266 n
8．1 数据集介绍 266 n
8．2 数据集标注 269 n
8．3 数据预处理 277 n
8．3．1 数据文件读取 277 n
8．3．2 文件解码 278 n
8．3．3 文件数据类型转换 278 n
8．3．4 数据归一化 280 n
8．4 模型概览 282 n
8．5 模型设计 284 n
8．6 模型配置 284 n
8．7 模型训练 285 n
8．8 模型评估 286 n
8．9 模型部署 289 n
8．9．1 在小程序中加载模型 289 n
8．9．2 在Google浏览器中加载模型 291 n
第9章 基于PoseNet的人体姿态检测 293 n
9．1 项目概述 293 n
9．2 项目初始化 294 n
9．2．1 添加camera组件 295 n
9．2．2 添加canvas对象 296 n
9．3 模型加载 296 n
9．4 姿态检测 297 n
9．5 预测结果绘制 301 n
9．6 效果展示 302 n
第 10章 基于Coco SSD的目标检测 303 n
10．1 项目概述 303 n
10．2 项目初始化 304 n
10．2．1 添加camera组件 304 n
10．2．2 添加canvas对象 305 n
10．3 模型加载 305 n
10．4 目标检测 305 n
10．5 预测结果绘制 307 n
10．6 效果展示 307 n
第 11章 OCR技术 309 n
11．1 OCR技术概述 310 n
11．2 OCR工具推荐 311 n
11．3 OCR 315 n
11．3．1 插件配置信息 316 n
11．3．2 页面结构设计 317 n
11．3．3 页面逻辑功能 318 n
11．4 Google扩展程序OCR 319 n
11．4．1 插件配置信息 319 n
11．4．2 页面结构设计 320 n
11．4．3 页面逻辑功能 321 n
11．4．4 后台脚本 322 n
第 12章 神奇的人工智能 324 n
12．1 个人网站恶意评论检测 324 n
12．1．1 项目简介 324 n
12．1．2 代码实现 326 n
12．1．3 效果展示 330 n
12．2 同声传译 331 n
12．2．1 项目简介 331 n
12．2．2 代码实现 332 n
12．2．3 效果展示 333 n
12．3 Google面馆正式营业了 334 n
12．4 猜画小歌 335 n
12．5 Face Touch Monitor 335 n
12．6 Teachable Machine 336 n
12．7 其他案例 337

作者介绍

石璞东，西安建筑科技大学硕士研究生，研究方向包括机器学习、Web开发，担任百度飞桨领航团团长和hahaWebsite网站站长。 n
n
吴萌，西安建筑科技大学信息与控制工程学院副教授，硕士生导师，美国俄亥俄州立大学访问学者，中国图象图形学学会数字文化遗产专委会委员。 n
n
王慧琴，西安建筑科技大学信息与控制工程学院副院长、教授、博士生导师，通信与信息系统所长，陕西省图象图形学学会理事，中国图象图形学学会图像应用与系统集成专委会委员，中国图象图形学学会数字文化遗产专委会委员。

文摘

序言