Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
surelion
apachecn-dl-zh
提交
2d3fcef2
A
apachecn-dl-zh
项目概览
surelion
/
apachecn-dl-zh
与 Fork 源项目一致
Fork自
OpenDocCN / apachecn-dl-zh
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
A
apachecn-dl-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
2d3fcef2
编写于
8月 14, 2020
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2020-08-14 18:12:18
上级
e50bef39
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
18 addition
and
18 deletion
+18
-18
docs/tf-1x-dl-cookbook/10.md
docs/tf-1x-dl-cookbook/10.md
+18
-18
未找到文件。
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
\
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录