Practical Deep Learning for Cloud, Mobile, and Edge: Real-World AI and Computer-Vision Projects Using Python, Keras, and TensorFlow
Эта книга представляет собой практическое руководство по глубокому обучению с акцентом на реальные проекты в области компьютерного зрения, которые можно развертывать в облаке, на мобильных устройствах и на периферийных вычислениях. Авторы делятся своим опытом работы в таких компаниях, как Microsoft, Nvidia и Google, и показывают, как создавать эффективные модели с использованием Python, Keras и TensorFlow.
Книга начинается с обзора ландшафта искусственного интеллекта, истории глубокого обучения и ответственного подхода к ИИ. Затем читатели переходят к практическим проектам: классификация изображений с помощью Keras, трансферное обучение для создания собственного классификатора (например, кошек и собак) всего за 30 строк кода, построение системы обратного поиска изображений на основе эмбеддингов и методов приближенного поиска ближайших соседей.
Особое внимание уделяется максимизации точности сверточных нейронных сетей: рассматриваются инструменты TensorFlow Datasets, TensorBoard, What-If Tool, tf-explain и общие методы проведения экспериментов. Книга также охватывает развертывание моделей на мобильных устройствах и в edge-вычислениях, что делает ее актуальной для современных приложений.
Издание насыщено примерами кода и практическими советами, что позволяет читателям сразу применять полученные знания. Книга будет полезна как разработчикам, знакомым с основами машинного обучения, так и специалистам, желающим освоить практические аспекты глубокого обучения для компьютерного зрения.
