2021-01-05 22:24:04

new/handson-ai-gcp/00.md

@@ -51,9 +51,9 @@
 
 下载文件后，请确保使用以下最新版本解压缩或解压缩文件夹：
 
-*   Windows 的 WinRAR / 7-Zip
-*   Mac 版 Zipeg / iZip / UnRarX
-*   适用于 Linux 的 7-Zip / PeaZip
+*   Windows 的 WinRAR/7-Zip
+*   Mac 版 Zipeg/iZip/UnRarX
+*   适用于 Linux 的 7-Zip/PeaZip
 
 本书的代码包也托管在 [GitHub](https://github.com/PacktPublishing/Hands-On-Artificial-Intelligence-on-Google-Cloud-Platform) 上。 如果代码有更新，它将在现有的 GitHub 存储库中进行更新。
 

new/handson-ai-gcp/01.md

@@ -26,8 +26,8 @@
 
 *   **最低的前期成本**：由于服务全天候可用，因此存储和计算基础架构几乎不受限制，并且扩展成本最低。 无需购买任何硬件或从头开始设置应用程序和软件。 此外，在云平台上虚拟化了基础架构以及软件。 这样可以使企业的前期成本和投资降至最低。 该模型特别适合于开发原型和测试概念证明。 在某些情况下，可以快速验证概念的业务可行性，而不必承担资本支出和其他间接费用。 借助云，可以以最小的成本压力快速测试和部署创新的想法和概念，以立即获得业务收益。
 *   **弹性容量**：即付即用是建立云服务的核心原则。 尽管仔细的容量规划对于任何成功的数据策略都很重要，但是借助云，我们可以在容量规划方面拥有一定的灵活性。 如果需要更多容量（例如，在线零售商可以预期在黑色星期五期间会有很高的销量），则公司可以在短时间内扩展容量，然后缩减到常规容量。 这种类型的灵活性在数据管理系统的内部部署中不可行。
-*   **全局连接**：只要可以使用 Internet 连接以及适当的身份验证/授权，就可以在全球范围内虚拟访问作为云上可用的基础结构，平台和应用程序的服务。 通过云提供商跨区域和物理位置的隐式冗余，确保了连接性。 内部部署和拓扑不是客户端考虑或关注的领域。 云端点是一致且无缝的，而与客户端的位置无关。
-*   **无缝升级**：云提供商可以无缝升级在云上配置的操作系统和应用程序软件。 这样可以确保所有部署之间的一致性和可靠性，并且非常适合 Internet 规模的企业应用程序。 与传统的本地部署相比，传统的本地部署需要在管理服务停机和业务中断的同时，将应用程序版本和补丁小心地应用于所有节点。 在云环境中，责任完全转移给云提供商，企业可以专注于核心业务应用程序。
+*   **全局连接**：只要可以使用互联网连接以及适当的身份验证/授权，就可以在全球范围内虚拟访问作为云上可用的基础结构，平台和应用程序的服务。 通过云提供商跨区域和物理位置的隐式冗余，确保了连接性。 内部部署和拓扑不是客户端考虑或关注的领域。 云端点是一致且无缝的，而与客户端的位置无关。
+*   **无缝升级**：云提供商可以无缝升级在云上配置的操作系统和应用程序软件。 这样可以确保所有部署之间的一致性和可靠性，并且非常适合互联网规模的企业应用程序。 与传统的本地部署相比，传统的本地部署需要在管理服务停机和业务中断的同时，将应用程序版本和补丁小心地应用于所有节点。 在云环境中，责任完全转移给云提供商，企业可以专注于核心业务应用程序。
 *   **无服务器 DevOps**：借助此，应用程序开发团队可以完全专注于核心业务逻辑。 他们可以根据数据量和计算需求，根据应用范围简单地规定存储和计算需求。 这些团队无需担心任何部署，他们将以最少的配置和扩展时间开始使用服务。 无服务器架构将云功能作为服务公开给云提供商托管应用程序的地方，并负责管理硬件和相关软件组件。 这种模式提供了进入业务应用程序，算法和模型开发的快速入门，而不必担心底层基础结构，因此，可以快速构建核心功能以开始实现业务收益。
 *   **快速发布时间**（**TTM**）：有了前面列出的所有优点，采用 Cloud First 策略将各种概念和原型的 TTM 降至最低。
 
@@ -39,7 +39,7 @@ Google 通过从头开始构建服务，从而为企业提供云服务时采取
 
 尽管云计算是一个新的范例，但仍需要解决某些基本假设和一致的连接性和安全性要求。 以下是“云优先”策略的一些反模式：
 
-*   **停机时间**：云服务完全取决于可靠的 Internet 连接的可用性。 当关键业务应用程序部署在云上时，Internet 停机的风险和影响会增加。 但是，停机风险在本地部署中同样普遍，并且需要仔细考虑架构模式以最大程度地减少这些风险。 借助云，应在设计服务时考虑到高可用性，冗余和灾难恢复。 云供应商为云基础架构提供了多个可用性区域。 应用程序应利用这些冗余区域来部署关键服务。 在下一部分中，我们将了解 Google 如何通过地理位置分散的数据中心来减轻停机风险。
+*   **停机时间**：云服务完全取决于可靠的互联网连接的可用性。 当关键业务应用程序部署在云上时，互联网停机的风险和影响会增加。 但是，停机风险在本地部署中同样普遍，并且需要仔细考虑架构模式以最大程度地减少这些风险。 借助云，应在设计服务时考虑到高可用性，冗余和灾难恢复。 云供应商为云基础架构提供了多个可用性区域。 应用程序应利用这些冗余区域来部署关键服务。 在下一部分中，我们将了解 Google 如何通过地理位置分散的数据中心来减轻停机风险。
 *   **安全性和私密性**：许多管理敏感数据资产的企业在采用云时都担心数据的安全性和私密性。 云是共享空间，因此，风险显而易见。 但是，以下策略可以轻松应对反模式：
     *   在所有部署级别上实施安全治理实践和流程。
     *   实施精心定义的访问控制级别，并为所有用户和进程提供最低级别的访问。 如有疑问，请提供比访问服务和基础结构的更广泛的网络访问更多的受限访问。
@@ -102,7 +102,7 @@ GCP 提供了 Web 界面控制台，**命令行界面**（**CLI**）和 Cloud Sh
 
 # 自然语言处理
 
-任何 AI 系统的关键组件之一是智能机器和代理程序的**自然语言处理**（**NLP**）接口。 与具有 AI 功能的系统的交互必须以人与人之间交互的自然方式进行。 由于我们交流的程度和模糊性，语言处理非常复杂。 人类语音的合成和分析可以通过使用大量训练数据训练**深度神经网络**（**DNNs**）来实现。 尽管 DNN 中有大量数据，但是由于语言中的语义变化，很难达到相同的准确率。 但是，NLP 是 AI 的基本构建块。 在本书的后面，我们将研究 GCP for NLP 上可用的各种选项和工具。
+任何 AI 系统的关键组件之一是智能机器和代理程序的**自然语言处理**（**NLP**）接口。 与具有 AI 功能的系统的交互必须以人与人之间交互的自然方式进行。 由于我们交流的程度和模糊性，语言处理非常复杂。 人类语音的合成和分析可以通过使用大量训练数据训练**深度神经网络**（**DNNs**）来实现。 尽管 DNN 中有大量数据，但是由于语言中的语义变化，很难达到相同的准确率。 但是，NLP 是 AI 的基本构建块。 在本书的后面，我们将研究 GCP 上可用于 NLP 的各种选项和工具。
 
 # 语音识别
 
@@ -163,15 +163,15 @@ GCP 通过翻译和自然语言 API 提供用于语言信息和情报的 API，
 *   **Cloud Translation API**：此 API 根据预先训练的模型以及可以使用 AutoML 翻译框架进行训练的自定义模型，在两种语言之间提供双向翻译。 当源文本的语言未知时，API 还可促进语言检测。 与其他 AI 服务类似，翻译服务也可用作 REST API，用于在应用程序内进行编程访问和集成。 在撰写本文时，支持 100 种语言。 无需显式解析即可翻译 HTML 内容的独特功能使提供网页翻译以及创建多语言站点和应用程序变得容易。
 *   **Cloud Natural Language API**：此 API 提供了对基于预训练模型以及可以使用 AutoML Natural Language 框架进行训练的自定义模型的非结构化文本和音频数据的见解。 API 可以根据各种形式的非结构化文本来收集有关人员，地点，事件，情感等的信息。 在内部，该服务利用丰富的本体图和不断发展的模型来提高准确率。 此 API 可能会使用的一些常见用例是客户情感分析和产品分类（零售市场研究）。 易于使用的 REST API 有助于语法分析，实体识别，情感分析和内容分类，并支持多种语言。
 
-GCP 提供了 API，可通过 Dialogflow 和 Google Cloud Text-to-Speech / Speech-to-Text API 与智能机实现语音和对话界面。
+GCP 提供了 API，可通过 Dialogflow 和 Google Cloud TTS/STT API 与智能机实现语音和对话界面。
 
 # 会话
 
 对话界面是支持 AI 的应用程序的重要方面。 GCP 提供了 Dialogflow 引擎，用于通过简单的界面和 API 创建企业级的对话应用程序，如下所示：
 
 *   **Dialogflow Enterprise Edition**：此服务使用预先训练好的随时可用的底层深度学习模型，为应用程序的会话界面创建提供便利。 会话服务可用于具有网站，移动应用程序甚至**物联网**（**IoT**）设备的用户的自然界面。 在编写本书时，该服务支持 20 种语言的对话界面。 Dialogflow 与 Natural Language API 无缝集成，以便在进行实时对话时执行情感分析。 这有助于为客户提供特定于客户的针对性服务。 该界面可能的一些用例包括企业生产率的提高，面向最终客户的自助业务交易以及与 IoT 设备的自然语言通信。
-*   **Cloud Text-to-Speech API**：此 API 有助于从输入文本合成人类语音。 该服务具有多种语言和变体，可以为应用程序创建自然语言界面。 负责文本到语音转换的机器学习模型已经过预先训练，并且不断发展以提高准确率和保真度，使其尽可能接近自然的人声。 可以通过 Text-to-Speech API 实现的一些常见用例包括呼叫中心自动化，与 IoT 设备的交互以及将文本转换为音频以供阅读器使用。
-*   **Cloud Speech-to-Text API**：此 API 基于强大的模型，这些模型经过预先训练，可以将音频输入转换为多种语言的文本。 该 API 支持实时流式传输或预先录制的音频输入。 它还具有自动检测语言的能力，并支持将短格式和长格式音频片段实时转换为文本。 在编写本书时，语音到文本接口有四类预训练的模型。 这些模型适用于特定的用例和对话界面：
+*   **Cloud TTS API**：此 API 有助于从输入文本合成人类语音。 该服务具有多种语言和变体，可以为应用程序创建自然语言界面。 负责文本到语音转换的机器学习模型已经过预先训练，并且不断发展以提高准确率和保真度，使其尽可能接近自然的人声。 可以通过 TTS API 实现的一些常见用例包括呼叫中心自动化，与 IoT 设备的交互以及将文本转换为音频以供阅读器使用。
+*   **Cloud STT API**：此 API 基于强大的模型，这些模型经过预先训练，可以将音频输入转换为多种语言的文本。 该 API 支持实时流式传输或预先录制的音频输入。 它还具有自动检测语言的能力，并支持将短格式和长格式音频片段实时转换为文本。 在编写本书时，语音到文本接口有四类预训练的模型。 这些模型适用于特定的用例和对话界面：
     *   `command_and_search`：可用于短命令和语音搜索。
     *   `phone_call`：用于来自电话对话的音频。
     *   `video`：适用于作为视频信号一部分或以更高采样率录制的音频。

new/handson-ai-gcp/04.md

@@ -811,7 +811,7 @@ def encode_audio(audio):
     }
 ```
 
-URI 指向的音频文件应该可以通过 Internet 公开访问和/或可以通过 GCP 上的服务帐户访问。
+URI 指向的音频文件应该可以通过互联网公开访问和/或可以通过 GCP 上的服务帐户访问。
 
 同步请求提供的时间响应与音频内容的长度成正比。 以以下格式接收响应：
 

new/handson-dl-arch-py/5.md

@@ -114,7 +114,7 @@ Keras `preprocessing`提供了一个类，例如`ImageDataGenerator`类，该类
 model = keras.applications.mobilenet.MobileNet(weights = 'imagenet')
 ```
 
-下载可能需要一些时间，具体取决于您的 Internet 连接。 Keras 将继续更新状态，完成后将如下图所示：
+下载可能需要一些时间，具体取决于您的互联网连接。 Keras 将继续更新状态，完成后将如下图所示：
 
 ![](img/aae353e4-6a4d-4882-8ad1-dc65e337676a.png)
 
@@ -277,7 +277,7 @@ output = imagenet_utils.decode_predictions(prediction)
 print(output)
 ```
 
-该脚本将首先下载 MobileNetV2 的权重，这可能需要一些时间，具体取决于您的 Internet 连接。 它看起来像这样：
+该脚本将首先下载 MobileNetV2 的权重，这可能需要一些时间，具体取决于您的互联网连接。 它看起来像这样：
 
 ![](img/c0f39c88-43b3-45ed-9438-fce2223cf5ee.png)
 

new/handson-py-dl-web/00.md

@@ -28,7 +28,7 @@
 
 “第 7 章”，“在 AWS 上使用 Python 的 DL：对象检测和家庭自动化”介绍了 Amazon Web Services，并简要介绍了各种产品，包括 Alexa API 和 Rekognition API。 Alexa API 可用于构建家庭自动化 Web 应用程序和其他交互式界面，而 Rekognition API 可用于检测照片和视频中的人和物体。
 
-“第 8 章”，“使用 Python 在 Microsoft Azure 上进行深度学习”，介绍了 Microsoft Azure 云服务，重点介绍了认知工具包，该工具包是 Microsoft 替代 TensorFlow 的 Emotion API 的工具，可用于确定 一个人的面部照片所产生的情感以及 Text-to-Speech API（可用于从文本中产生听起来自然的声音）。
+“第 8 章”，“使用 Python 在 Microsoft Azure 上进行深度学习”，介绍了 Microsoft Azure 云服务，重点介绍了认知工具包，该工具包是 Microsoft 替代 TensorFlow 的 Emotion API 的工具，可用于确定 一个人的面部照片所产生的情感以及 TTS API（可用于从文本中产生听起来自然的声音）。
 
 “第 9 章”，“启用深度学习的网站的通用生产框架”介绍了要建立的通用框架，以在生产环境中在网络上有效部署深度学习。 涵盖了减少计算资源，将原始数据集转换为用于训练深度学习模型的数据集以及如何以最小的资源密集型方式使模型可用于网络上使用的策略。
 

new/handson-py-dl-web/01.md

@@ -64,7 +64,7 @@ AI 试图通过赋予我们一些规则来综合我们所谓的*智能*并将其
 *   各种形式的数字电子设备的增加
 *   网站和本机应用程序的使用增加
 
-现在有比以往更多的数字设备。 它们都配备了可以随时生成日志并将其通过 Internet 传输到制造日志的公司或购买该数据的任何其他供应商的系统。 同样，很多日志是由人们使用的网站或应用创建的。 所有这些都可以轻松地存储在基于云的存储解决方案或高存储容量的物理存储中，这些存储现在比以前便宜。
+现在有比以往更多的数字设备。 它们都配备了可以随时生成日志并将其通过互联网传输到制造日志的公司或购买该数据的任何其他供应商的系统。 同样，很多日志是由人们使用的网站或应用创建的。 所有这些都可以轻松地存储在基于云的存储解决方案或高存储容量的物理存储中，这些存储现在比以前便宜。
 
 如果环顾四周，您可能会看到一台笔记本电脑，在该笔记本电脑上您经常使用一些软件和网站-所有这些都可能在收集有关您对它们执行的每个操作的数据。 同样，您的电话将充当此类数据生成设备。 对于电视服务提供商提供的带有多个频道的电视，服务提供商和频道提供商都在收集有关您的数据，以更好地为您服务并改善他们的产品。 您只能想象一个人每天产生的海量数据，这个星球上有数十亿人！
 

new/handson-py-dl-web/10.md

@@ -805,7 +805,7 @@ python manage.py runserver
 
 # Cloudflare 的网站安全
 
-Cloudflare 是业界领先的 Web 基础架构和网站安全提供商。 它在网站及其用户之间创建了一层安全性和快速的内容交付，从而通过其服务器路由所有流量，从而实现了网站的安全性和其他功能。 2017 年，Cloudflare 为超过 1200 万个网站提供了 DNS 服务。 这些服务包括内容交付网络，**分布式拒绝服务**（**DDoS**）攻击保护，黑客尝试保护以及其他 Internet 安全服务，例如水浸保护。
+Cloudflare 是业界领先的 Web 基础架构和网站安全提供商。 它在网站及其用户之间创建了一层安全性和快速的内容交付，从而通过其服务器路由所有流量，从而实现了网站的安全性和其他功能。 2017 年，Cloudflare 为超过 1200 万个网站提供了 DNS 服务。 这些服务包括内容交付网络，**分布式拒绝服务**（**DDoS**）攻击保护，黑客尝试保护以及其他互联网安全服务，例如水浸保护。
 
 2014 年，Cloudflare 报告减轻了对客户的 400 Gib / s DDoS 攻击，随后不久又于次年进行了 500 Gib / s 的攻击。 在记录的任何网站上，最大的攻击是在 GitHub 上，该站点面临 1.4Tb / s 的 DDoS 泛洪。 GitHub 使用的是 Akamai Prolexic（Cloudflare 的替代产品），并且能够承受攻击，仅下降了 10 分钟，然后完全恢复正常。 Cloudflare 免费为其所有用户提供 DDoS 防护。
 

new/handson-py-dl-web/11.md

@@ -355,7 +355,7 @@ df.head(5)
 
 ![](img/1f9f805b-e515-4714-9e23-d04c4b7fd49c.png)
 
-我们可以观察到这 14 列，并查看它们是否已正确导入。 基本的**探索性数据分析**（**EDA**）将显示该数据集不包含任何缺失值。 但是，原始的 UCI 克利夫兰数据集确实包含与我们使用的版本相反的缺失值，该版本已经过预处理，可以在 Internet 上以这种形式轻松获得。 [您可以在 GitHub 上本章的存储库中找到它的副本](http://tiny.cc/HoPforDL-Ch-11)。
+我们可以观察到这 14 列，并查看它们是否已正确导入。 基本的**探索性数据分析**（**EDA**）将显示该数据集不包含任何缺失值。 但是，原始的 UCI 克利夫兰数据集确实包含与我们使用的版本相反的缺失值，该版本已经过预处理，可以在互联网上以这种形式轻松获得。 [您可以在 GitHub 上本章的存储库中找到它的副本](http://tiny.cc/HoPforDL-Ch-11)。
 
 # 步骤 3 –分离目标变量
 

new/master-cv-tf-2x/11.md

@@ -93,7 +93,7 @@ MobileNet 提出了一种深度可分离的卷积架构，该架构缩小了神
 
 # 使用 Raspberry Pi 进行图像处理
 
-Raspberry Pi 是没有 GPU 的单板微型计算机，可以连接到外部相机和其他传感器模块，并且可以用 Python 编程以执行计算机视觉工作，例如目标检测。 Raspberry Pis 具有内置的 Wi-Fi，因此它们可以无缝连接到 Internet 以接收和传输数据。 由于其纤巧的外形和强大的计算能力，Raspberry Pi 是用于物联网和计算机视觉工作的边缘设备的完美示例。 可以在[这个页面](https://www.raspberrypi.org/products/)上找到有关 Raspberry Pi 的详细信息。 下图显示了 Raspberry Pi 的完整设置：
+Raspberry Pi 是没有 GPU 的单板微型计算机，可以连接到外部相机和其他传感器模块，并且可以用 Python 编程以执行计算机视觉工作，例如目标检测。 Raspberry Pis 具有内置的 Wi-Fi，因此它们可以无缝连接到互联网以接收和传输数据。 由于其纤巧的外形和强大的计算能力，Raspberry Pi 是用于物联网和计算机视觉工作的边缘设备的完美示例。 可以在[这个页面](https://www.raspberrypi.org/products/)上找到有关 Raspberry Pi 的详细信息。 下图显示了 Raspberry Pi 的完整设置：
 
 ![](img/2dab1ebe-b2b9-4fb6-b3f4-948c143b26cd.png)
 

new/mobi-dl-tflite/06.md

 # 构建人工智能认证系统
 
-身份验证是任何应用程序中最突出的功能之一，无论它是本机移动软件还是网站，并且自从保护数据的需求以及与机密有关的隐私需求开始以来，身份验证一直是一个活跃的领域。 在 Internet 上共享的数据。 在本章中，我们将从基于 Firebase 的简单登录到应用程序开始，然后逐步改进以包括基于人工智能（AI）的身份验证置信度指标和 Google 的 ReCaptcha。 所有这些身份验证方法均以深度学习为核心，并提供了一种在移动应用程序中实现安全性的最新方法。
+身份验证是任何应用程序中最突出的功能之一，无论它是本机移动软件还是网站，并且自从保护数据的需求以及与机密有关的隐私需求开始以来，身份验证一直是一个活跃的领域。 在互联网上共享的数据。 在本章中，我们将从基于 Firebase 的简单登录到应用程序开始，然后逐步改进以包括基于人工智能（AI）的身份验证置信度指标和 Google 的 ReCaptcha。 所有这些身份验证方法均以深度学习为核心，并提供了一种在移动应用程序中实现安全性的最新方法。
 
 在本章中，我们将介绍以下主题：