本書系統地講述如何基於TensorFlow Lite和Core ML構建Android與iOS應用程式。
 
本書共9章。第1章介紹機器學習的基礎知識以及TensorFlow Lite和Core ML框架。第2～8章介紹如何開發7款常見應用程式，分別是一款預測人物年齡和性別的應用程式，一款在照片上應用藝術風格遷移的應用程式，一款用於面部檢測和條碼掃描的應用程式，一款類似於Snapchat的應用程式，一款識別手寫數位的應用程式，一款流行的線上換臉應用程式，一款利用遷移學習完成食物分類的應用程式。第9章總結全書，並介紹基於機器學習的雲服務。

本書適合機器學習、深度學習和人工智慧等方面的專業人士閱讀。

Karthikeyan NG是印度的一名工程和技術主管。之前他曾經在Symantec公司擔任軟體工程師，之後就職於兩家總部位於美國的初創企業，參與過各種類型的產品開發。他在開發各種可擴展的產品方面擁有超過9年的經驗，這些產品使用了Web、Mobile、機器學習（Machine Learning，ML）、增強現實以及虛擬實境技術。他是一名有抱負的企業家和技術傳播者，他勇於探索新技術並使用創新理念來解決問題。同時，他還是班加羅爾大學的客座教授。


第1章 機器學習在移動端的使用情況　1
1．1　機器學習的基礎　3
1．1．1　監督式學習　3
1．1．2　非監督式學習　3
1．1．3　線性回歸——監督式學習　4
1．2　TensorFlow Lite和Core ML　10
1．3　TensorFlow Lite　11
1．3．1　支援的平臺　12
1．3．2　TensorFlow Lite的記憶體使用情況和性能　13
1．3．3　動手使用TensorFlow Lite　14
1．3．4　將SavedModel轉換為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模型轉換　21
1．4．2　iOS應用程式中的Core ML　22
1．5　本章小結　24

第2章 使用Core ML和CNN預測年齡與性別　25
2．1　年齡和性別預測　26
2．1．1　年齡預測　27
2．1．2　性別預測　27
2．2　卷積神經網路　28
2．2．1　發現模式　28
2．2．2　找出圖片中的特徵值　29
2．2．3　池化層　31
2．2．4　ReLU層　31
2．2．5　局部回應歸一化層　32
2．2．6　dropout層　32
2．2．7　全連接層　33
2．2．8　使用CNN完成年齡和性別預測　33
2．3　在iOS上使用Core ML實現應用程式　35
2．4　本章小結　44

第3章　在照片上應用
藝術神經風格遷移　45
3．1　藝術神經風格遷移　46
3．1．1　背景　47
3．1．2　VGG網路　48
3．2　構建應用程式　49
3．2．1　TensorFlow-to-Core ML轉換　52
3．2．2　iOS應用程式　55
3．2．3　Android應用程式　57
3．3　本章小結　77
3．4　參考網站　77

第4章　基於Firebase的ML Kit　78
4．1　ML Kit的基礎　79
4．1．1　基本特徵集　80
4．1．2　構建應用程式　81
4．2　人臉檢測　86
4．2．1　面部朝向追蹤　86
4．2．2　運行面部檢測器　91
4．3　條碼掃描器　98
4．3．1　創建FirebaseVisionImage對象　99
4．3．2　創建FirebaseVisionBarcodeDetector對象　102
4．3．3　條碼檢測　102
4．4　文本識別　105
4．4．1　基於設備的文本識別　105
4．4．2　基於雲端的文本識別　107
4．5　本章小結　109

第5章　在Android上的AR濾鏡　110
5．1　MobileNet模型　111
5．2　構建Android應用程式　116
5．3　參考網站　134
5．4　問題　134
5．5　本章小結　134

第6章　使用對抗學習構建手寫數位分類器　135
6．1　生成式對抗網路　136
6．2　MNIST資料庫　137
6．3　構建TensorFlow模型　138
6．4　訓練神經網路　140
6．4．1　構建Android應用程式　143
6．4．2　用於手寫的FreeHandView　144
6．4．3　數字分類器　150
6．5　本章小結　153

第7章　使用OpenCV與朋友換臉　154
7．1　換臉　155
7．1．1　換臉的步驟　157
7．1．2　構建Android應用程式　160
7．1．3　構建本地的臉交換器庫　161
7．1．4　構建應用程式　167
7．2　本章小結　179
7．3　參考資訊　179
7．4　問題　180

第8章　使用遷移學習完成食物分類　181
8．1　遷移學習　182
8．2　訓練TensorFlow模型　184
8．2．1　安裝TensorFlow　184
8．2．2　訓練圖片　184
8．2．3　使用圖片重新訓練　185
8．2．4　構建iOS應用程式　191
8．3　本章小結　198

第9章　接下來做什麼　199
9．1　溫故而知新　200
9．1．1　當開發機器學習應用程式時從何處入手　201
9．1．2　構建自己的模型　203
9．2　本章小結　206
9．3　進一步閱讀　206