Skip to content

A
apachecn-dl-zh

surelion / apachecn-dl-zh
与 Fork 源项目一致

Fork自 OpenDocCN / apachecn-dl-zh

通知 1
Star 0
Fork 0
A
apachecn-dl-zh

体验新版 GitCode，发现更多精彩内容 >>

提交 2d3fcef2 编写于 作者: W wizardforcel
浏览文件
操作

2020-08-14 18:12:18

上级 e50bef39
隐藏空白更改
内联 并排
Showing with 18 addition and 18 deletion
docs/tf-1x-dl-cookbook/10.md
浏览文件 @ 2d3fcef2
......@@ -12,14 +12,14 @@
在本节中，我们将介绍移动深度学习的一些用例。 这与台式机或云深度学习的情况大不相同，在台式机或云深度学习中，GPU 和电力通常可用。 实际上，在移动设备上，保存电池非常重要，并且 GPU 经常不可用。 但是，深度学习在许多情况下可能非常有用。 让我们回顾一下：
* **图像识别**：现代手机具有功能强大的摄像头，用户热衷于尝试对图像和图片产生效果。 通常，了解图片中的内容也很重要，并且有多种适用于此的预训练模型，如专用于 CNN 的章节所述。 [https://github.com/TensorFlow/models/tree/master/official/resnet 给出了用于图像识别的模型的一个很好的例子。](https://github.com/tensorflow/models/tree/master/official/resnet)
* **图像识别**：现代手机具有功能强大的摄像头，用户热衷于尝试对图像和图片产生效果。 通常，了解图片中的内容也很重要，并且有多种适用于此的预训练模型，如专用于 CNN 的章节所述。 [这里给出了用于图像识别的模型的一个很好的例子](https://github.com/tensorflow/models/tree/master/official/resnet)。
* **对象定位**：识别运动对象是一项关键操作，对于视频和图像处理是必需的。 例如，可以想象如果在图像中识别出多个人，那么相机将使用多个对焦点。 [https://github.com/TensorFlow/models/tree/master/research/object_detection 提供了对象本地化示例的集合。](https://github.com/tensorflow/models/tree/master/research/object_detection)
* **光学字符识别**：在许多活动（例如文本分类和推荐）中，识别手写字符都是至关重要的。 深度学习可以为开展这些活动提供根本帮助。 在专用于 CNN 的章节中，我们研究了 MNIST 识别的一些示例。 关于 MNIST 的信息也可以在 [https://github.com/TensorFlow/models/tree/master/official/mnist](https://github.com/TensorFlow/models/tree/master/official/mnist) 中找到。
* **对象定位**：识别运动对象是一项关键操作，对于视频和图像处理是必需的。 例如，可以想象如果在图像中识别出多个人，那么相机将使用多个对焦点。 [这里提供了对象本地化示例的集合](https://github.com/tensorflow/models/tree/master/research/object_detection)。
* **光学字符识别**：在许多活动（例如文本分类和推荐）中，识别手写字符都是至关重要的。 深度学习可以为开展这些活动提供根本帮助。 在专用于 CNN 的章节中，我们研究了 MNIST 识别的一些示例。 关于 MNIST 的信息也可以在[这个页面](https://github.com/TensorFlow/models/tree/master/official/mnist)中找到。
* **语音识别**：语音识别是访问现代电话的常用界面。 因此，深度学习用于识别语音和口头命令。 在过去的几年中，这方面的进展令人印象深刻。
* **翻译**：处理多种语言是现代多元文化世界的一部分。 手机在各种语言之间进行即时翻译的准确性越来越高，深度学习帮助打破了障碍，而这在几年前是无法想象的。 在专门针对 RNN 的一章中，我们研究了一些机器翻译示例。
* **手势识别**：电话开始使用手势作为接收命令的界面。 当然，有一些模型。
* **压缩**：压缩是手机的关键方面。 可以想象，在通过网络发送图像或视频之前减少空间是有益的。 同样，在本地存储在设备上之前压缩数据可能会很方便。 在所有这些情况下，深度学习都可以提供帮助。 使用 RNNS 进行压缩的模型位于 [https://github.com/TensorFlow/models/tree/master/research/compression。](https://github.com/tensorflow/models/tree/master/research/compression)
* **压缩**：压缩是手机的关键方面。 可以想象，在通过网络发送图像或视频之前减少空间是有益的。 同样，在本地存储在设备上之前压缩数据可能会很方便。 在所有这些情况下，深度学习都可以提供帮助。 使用 RNNS 进行压缩的模型位于[这里](https://github.com/tensorflow/models/tree/master/research/compression)。
# TensorFlow，移动和云
......@@ -37,7 +37,7 @@
我们继续按以下步骤安装适用于 macOS 和 Android 的 TensorFlow mobile：
1. 从 [https://developer.android.com/studio/install.html 安装 Android Studio。](https://developer.android.com/studio/install.html)
1. 从[这里](https://developer.android.com/studio/install.html)安装 Android Studio。
2. 创建一个新的项目名称`AndroidExampleTensorflow`，如以下屏幕截图所示：
......@@ -102,11 +102,11 @@ testCompile 'junit:junit:4.12'
如果要直接从 TensorFlow 源构建，则需要安装 Bazel 和 TensorFlow。 Bazel 是一个快速，可扩展，多语言和可扩展的构建系统。 Google 内部使用了构建工具 Blaze，并将 Blaze 工具的开源部分称为 Bazel。 名称是 Blaze 的字谜。
此页面将指导您完成该过程： [https://github.com/TensorFlow/TensorFlow/tree/master/TensorFlow/examples/android/。](https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/android/)
[此页面将指导您完成该过程](https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/android/)。
如果您正在运行 macOS，则过程非常简单：
1. 按照 [https://docs.bazel.build/versions/master/install.html](https://docs.bazel.build/versions/master/install.html) 上的说明安装 Bazel。 对于 macOS，我们将使用 Homebrew：
1. 按照[这个页面](https://docs.bazel.build/versions/master/install.html)上的说明安装 Bazel。 对于 macOS，我们将使用 Homebrew：
```py
/usr/bin/ruby -e "$(curl -fsSL \
......@@ -128,7 +128,7 @@ git clone https://github.com/TensorFlow/TensorFlow.git
# 做好准备
TensorFlow 移动 Android 应用程序可在 GitHub 上的以下地址获得： [https://github.com/TensorFlow/TensorFlow/tree/master/TensorFlow/examples/android](https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/android) 。 2017 年 10 月，该页面包含以下示例：
TensorFlow 移动 Android 应用程序[可在 GitHub 上的以下地址获得](https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/android)。 2017 年 10 月，该页面包含以下示例：
* **TF 分类**：使用 Google Inception 模型实时对相机帧进行分类，并在相机图像上以重叠显示顶部结果。
* **TF 检测**：演示使用 TensorFlow 对象检测 API 训练的 SSD-Mobilenet 模型。 这是在现代卷积目标检测器的速度/精度折衷中引入的，以实时定位和跟踪摄像机预览中的目标（来自 80 个类别）。
......@@ -139,7 +139,7 @@ TensorFlow 移动 Android 应用程序可在 GitHub 上的以下地址获得：
我们按以下步骤进行：
1. 安装软件包的最佳方法是使用每晚创建的预构建 APK。 将浏览器指向 [https://ci.TensorFlow.org/view/Nightly/job/nightly-android/](https://ci.tensorflow.org/view/Nightly/job/nightly-android/) 并下载`TensorFlow_demo.apk`，如以下屏幕截图所示：
1. 安装软件包的最佳方法是使用每晚创建的预构建 APK。 将浏览器指向[这里](https://ci.tensorflow.org/view/Nightly/job/nightly-android/)并下载`TensorFlow_demo.apk`，如以下屏幕截图所示：
![](img/6b31eaf7-6ffc-47f9-b77d-83dbe4100063.png)
......@@ -174,7 +174,7 @@ adb install -r TensorFlow_demo.apk
# 做好准备
我们将使用 Xcode 开发环境和 CocoaPods 来预安装 TensorFlow。 我将假定您的环境中已经安装了 Xcode。 如果没有，请从 [https://developer.apple.com/xcode/](https://developer.apple.com/xcode/) 下载。
我们将使用 Xcode 开发环境和 CocoaPods 来预安装 TensorFlow。 我将假定您的环境中已经安装了 Xcode。 如果没有，请从[这里](https://developer.apple.com/xcode/)下载。
# 怎么做...
......@@ -225,7 +225,7 @@ mkdir -p ~/graphs
4. 从中下载用作测试的映像并将其复制到基准目录：
[https://upload.wikimedia.org/wikipedia/commons/5/55/Grace_Hopper.jpg](https://upload.wikimedia.org/wikipedia/commons/5/55/Grace_Hopper.jpg)
<https://upload.wikimedia.org/wikipedia/commons/5/55/Grace_Hopper.jpg>
```py
cp grace_hopper.jpg ../../benchmark/data/
......@@ -255,7 +255,7 @@ Xcode 和 CocoaPods 用于编译 TensorFlow 应用程序，该应用程序用于
# 还有更多...
您可以直接在应用程序中使用 TensorFlow。 可在此处获得更多信息： [https://github.com/TensorFlow/TensorFlow/blob/master/TensorFlow/examples/ios/README.md](https://github.com/TensorFlow/TensorFlow/blob/master/TensorFlow/examples/ios/README.md) 。
您可以直接在应用程序中使用 TensorFlow。 [可在此处获得更多信息](https://github.com/TensorFlow/TensorFlow/blob/master/TensorFlow/examples/ios/README.md)。
# 为移动设备优化 TensorFlow 图
......@@ -269,9 +269,9 @@ Xcode 和 CocoaPods 用于编译 TensorFlow 应用程序，该应用程序用于
我们按以下步骤进行优化：
1. 从 [https://developer.android.com/studio/install.html](https://developer.android.com/studio/install.html) 安装 Android Studio。
1. 从[这里](https://developer.android.com/studio/install.html)安装 Android Studio。
2. 按照 [https://docs.bazel.build/versions/master/install.html](https://docs.bazel.build/versions/master/install.html) 上的说明安装 Bazel。 对于 macOS，我们将使用 Homebrew：
2. 按照[这个页面](https://docs.bazel.build/versions/master/install.html)上的说明安装 Bazel。 对于 macOS，我们将使用 Homebrew：
```py
/usr/bin/ruby -e "$(curl -fsSL \
......@@ -365,9 +365,9 @@ ls -lah /tmp/TensorFlow_inception_quantized.pb
我们进行如下分析：
1. 从 [https://developer.android.com/studio/install.html 安装 Android Studio。](https://developer.android.com/studio/install.html)
1. 从[这里](https://developer.android.com/studio/install.html)安装 Android Studio。
2. 按照 [https://docs.bazel.build/versions/master/install.html](https://docs.bazel.build/versions/master/install.html) 上的说明安装 Bazel。 对于 macOS，我们将使用 Homebrew：
2. 按照[这个页面](https://docs.bazel.build/versions/master/install.html)上的说明安装 Bazel。 对于 macOS，我们将使用 Homebrew：
```py
/usr/bin/ruby -e "$(curl -fsSL \
......@@ -455,9 +455,9 @@ generic_x86:/ $
这是我们如何转换 TensorFlow 的方法：
1. 从 [https://developer.android.com/studio/install.html 安装 Android Studio。](https://developer.android.com/studio/install.html)
1. 从[这里](https://developer.android.com/studio/install.html)安装 Android Studio。
2. 按照 [https://docs.bazel.build/versions/master/install.html](https://docs.bazel.build/versions/master/install.html) 上的说明安装 Bazel。 对于 macOS，我们将使用 Homebrew：
2. 按照[这个页面](https://docs.bazel.build/versions/master/install.html)上的说明安装 Bazel。 对于 macOS，我们将使用 Homebrew：
```py
/usr/bin/ruby -e "$(curl -fsSL \
......
Markdown is supported
0% 或 .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑！
想要评论请 注册 或