智能前端技術(shù)與實(shí)踐

目　　錄
第 1章 開(kāi)發(fā)環(huán)境配置\t1
1．1 安裝Anaconda3\t1
1．2 安裝TensorFlow 2\t6
1．3 安裝npm包管理工具\(yùn)t11
1．4 安裝TensorFlow．js的相關(guān)包\t14
1．5 使用WebStorm\t18
1．6 使用Google瀏覽器\t19
1．6．1 注冊(cè)Chrome Web Store開(kāi)發(fā)者\(yùn)t19
1．6．2 Google瀏覽器擴(kuò)展程序\t20
1．7 使用微信開(kāi)發(fā)者工具\(yùn)t27
1．7．1 添加微信小程序插件\t29
1．7．2 使用微信小程序插件\t29
1．7．3 發(fā)布微信小程序\t35
第 2章 前端開(kāi)發(fā)基礎(chǔ)\t39
2．1 背景知識(shí)概述\t39
2．2 HTML基礎(chǔ)\t40
2．2．1 HTML文檔基本結(jié)構(gòu)\t41
2．2．2 常用標(biāo)簽\t49
2．3 CSS基礎(chǔ)\t55
2．3．1 CSS的3種使用方法\t55
2．3．2 CSS選擇器\t56
2．4 JavaScript基礎(chǔ)\t56
2．5 與Google擴(kuò)展程序相關(guān)的JavaScriptAPI\t58
2．6 深度學(xué)習(xí)中的JavaScript\t61
2．6．1 JavaScript數(shù)據(jù)類型\t61
2．6．2 JavaScript異步編程\t63
2．7 微信小程序開(kāi)發(fā)\t67
2．7．1 微信小程序框架結(jié)構(gòu)分析\t68
2．7．2 頁(yè)面描述文件\t72
2．7．3 頁(yè)面樣式文件\t87
2．7．4 邏輯層文件\t88
2．7．5 小程序的事件系統(tǒng)\t91
第3章 深度學(xué)習(xí)概述\t95
3．1 深度學(xué)習(xí)環(huán)境\t95
3．1．1 云端深度學(xué)習(xí)環(huán)境選擇\t95
3．1．2 本地深度學(xué)習(xí)環(huán)境搭建\t104
3．2 深度學(xué)習(xí)框架\t105
3．3 TensorFlow 2基礎(chǔ)\t113
3．3．1 數(shù)據(jù)類型\t113
3．3．2 數(shù)值精度\t115
3．3．3 操作和計(jì)算圖\t116
3．3．4 自動(dòng)微分和梯度帶\t117
3．3．5 廣播機(jī)制\t118
3．3．6 框架概述\t118
3．4 深度學(xué)習(xí)基礎(chǔ)\t119
3．4．1 BP神經(jīng)網(wǎng)絡(luò)\t120
3．4．2 激活函數(shù)\t121
3．4．3 softmax函數(shù)\t126
3．4．4 損失函數(shù)\t126
3．4．5 梯度下降算法\t130
3．4．6 反向傳播\t132
第4章 TensorFlow．js框架詳解\t134
4．1 TensorFlow．js框架概述\t134
4．2 TensorFlow．js低階API詳解\t136
4．2．1 張量操作方法\t136
4．2．2 數(shù)學(xué)運(yùn)算\t148
4．3 TensorFlow．js高階API詳解\t153
4．3．1 構(gòu)建模型\t154
4．3．2 模型配置\t160
4．3．3 模型訓(xùn)練\t160
4．3．4 模型評(píng)估\t160
4．3．5 模型轉(zhuǎn)換\t164
4．4 TensorFlow．js Vis庫(kù)詳解\t166
4．4．1 Visor接口方法介紹\t167
4．4．2 模型可視化\t168
4．4．3 數(shù)據(jù)可視化\t173
4．4．4 模型評(píng)價(jià)指標(biāo)\t175
4．5 其他API\t176
4．5．1 數(shù)據(jù)操作\t176
4．5．2 瀏覽器操作\t183
4．5．3 性能優(yōu)化\t184
4．5．4 正則化\t185
4．5．5 早停法\t185
第5章 卷積神經(jīng)網(wǎng)絡(luò)\t187
5．1 卷積神經(jīng)網(wǎng)絡(luò)概述\t187
5．2 卷積層\t188
5．3 池化層\t192
5．4 輕量級(jí)的卷積神經(jīng)網(wǎng)絡(luò)\t194
5．4．1 SqueezeNet\t195
5．4．2 MobileNetV1\t198
5．4．3 ShuffleNetV1\t201
5．4．4 Xception\t203
第6章 TensorFlow．js基礎(chǔ)案例\t206
6．1 線性回歸\t207
6．1．1 案例簡(jiǎn)介\t207
6．1．2 代碼實(shí)現(xiàn)\t207
6．2 logistical回歸\t211
6．2．1 案例簡(jiǎn)介\t211
6．2．2 代碼實(shí)現(xiàn)\t211
6．3 XOR問(wèn)題\t215
6．3．1 案例簡(jiǎn)介\t215
6．3．2 代碼實(shí)現(xiàn)\t216
6．4 加載與應(yīng)用MobileNet模型\t220
6．4．1 案例簡(jiǎn)介\t220
6．4．2 代碼實(shí)現(xiàn)\t220
6．5 《你畫(huà)我猜》（MNIST手寫數(shù)字版）\t224
6．5．1 案例簡(jiǎn)介\t224
6．5．2 代碼實(shí)現(xiàn)\t224
第7章 TensorFlow官方數(shù)據(jù)集實(shí)戰(zhàn)\t231
7．1 boston_housing數(shù)據(jù)集與實(shí)戰(zhàn)案例\t231
7．1．1 數(shù)據(jù)集介紹\t231
7．1．2 房?jī)r(jià)預(yù)測(cè)實(shí)戰(zhàn)\t232
7．2 與CIFAR-10數(shù)據(jù)集相關(guān)的實(shí)戰(zhàn)案例\t235
7．2．1 數(shù)據(jù)集介紹\t235
7．2．2 在Anaconda3 Jupyter Notebook中加載數(shù)據(jù)集\t235
7．2．3 在Kaggle中導(dǎo)入CIFAR-10數(shù)據(jù)集\t236
7．2．4 從本地導(dǎo)入CIFAR-10數(shù)據(jù)集\t240
7．3 與CIFAR-100數(shù)據(jù)集相關(guān)的實(shí)戰(zhàn)案例\t248
7．3．1 數(shù)據(jù)集介紹\t248
7．3．2 數(shù)據(jù)集展示\t249
7．4 與MNIST數(shù)據(jù)集相關(guān)的實(shí)戰(zhàn)案例\t253
7．4．1 數(shù)據(jù)集介紹\t253
7．4．2 數(shù)據(jù)集展示\t253
7．5 與Fashion_MNIST數(shù)據(jù)集相關(guān)實(shí)戰(zhàn)案例\t255
7．5．1 數(shù)據(jù)集介紹\t255
7．5．2 數(shù)據(jù)集加載\t256
7．6 基于CNN的MNIST手寫數(shù)字識(shí)別\t257
7．6．1 自定義網(wǎng)絡(luò)模型\t257
7．6．2 微信小程序部署\t261
第8章 基于CNN的常見(jiàn)水果分類識(shí)別\t266
8．1 數(shù)據(jù)集介紹\t266
8．2 數(shù)據(jù)集標(biāo)注\t269
8．3 數(shù)據(jù)預(yù)處理\t277
8．3．1 數(shù)據(jù)文件讀取\t277
8．3．2 文件解碼\t278
8．3．3 文件數(shù)據(jù)類型轉(zhuǎn)換\t278
8．3．4 數(shù)據(jù)歸一化\t280
8．4 模型概覽\t282
8．5 模型設(shè)計(jì)\t284
8．6 模型配置\t284
8．7 模型訓(xùn)練\t285
8．8 模型評(píng)估\t286
8．9 模型部署\t289
8．9．1 在微信小程序中加載模型\t289
8．9．2 在Google瀏覽器中加載模型\t291
第9章 基于PoseNet的人體姿態(tài)檢測(cè)\t293
9．1 項(xiàng)目概述\t293
9．2 項(xiàng)目初始化\t294
9．2．1 添加camera組件\t295
9．2．2 添加canvas對(duì)象\t296
9．3 模型加載\t296
9．4 姿態(tài)檢測(cè)\t297
9．5 預(yù)測(cè)結(jié)果繪制\t301
9．6 效果展示\t302
第 10章 基于Coco SSD的目標(biāo)檢測(cè)\t303
10．1 項(xiàng)目概述\t303
10．2 項(xiàng)目初始化\t304
10．2．1 添加camera組件\t304
10．2．2 添加canvas對(duì)象\t305
10．3 模型加載\t305
10．4 目標(biāo)檢測(cè)\t305
10．5 預(yù)測(cè)結(jié)果繪制\t307
10．6 效果展示\t307
第 11章 OCR技術(shù)\t309
11．1 OCR技術(shù)概述\t310
11．2 OCR工具推薦\t311
11．3 微信OCR\t315
11．3．1 插件配置信息\t316
11．3．2 頁(yè)面結(jié)構(gòu)設(shè)計(jì)\t317
11．3．3 頁(yè)面邏輯功能\t318
11．4 Google擴(kuò)展程序OCR\t319
11．4．1 插件配置信息\t319
11．4．2 頁(yè)面結(jié)構(gòu)設(shè)計(jì)\t320
11．4．3 頁(yè)面邏輯功能\t321
11．4．4 后臺(tái)腳本\t322
第 12章 神奇的人工智能\t324
12．1 個(gè)人網(wǎng)站惡意評(píng)論檢測(cè)\t324
12．1．1 項(xiàng)目簡(jiǎn)介\t324
12．1．2 代碼實(shí)現(xiàn)\t326
12．1．3 效果展示\t330
12．2 微信同聲傳譯\t331
12．2．1 項(xiàng)目簡(jiǎn)介\t331
12．2．2 代碼實(shí)現(xiàn)\t332
12．2．3 效果展示\t333
12．3 Google面館正式營(yíng)業(yè)了\t334
12．4 猜畫(huà)小歌\t335
12．5 Face Touch Monitor\t335
12．6 Teachable Machine\t336
12．7 其他案例\t337