基于浏览器的深度学习

本书是Web开发和深度学习的跨界，主要介绍基于浏览器的深度学习技术，具体内容包括神经网络架构、主流的深度学习框架、深度学习的基础、基于WebGL的GPU加速、浏览器上的数据抽取和工作，以及tensorflow.js实践应用。每章都配有完整的代码示例以及可视化效果，轻松易学。也详细介绍了tensorflow.js重要的模块tfjs-core、tfjs-layers、tfjs-node、tfjs-converter等。

译者序
前言
第1章深度学习.1
1.1深度神经网络的数学基础.1
1.1.1感知机——门控线性回归.2
1.1.2多层感知机.5
1.1.3卷积和池化.5
1.1.4激活函数.7
1.2深度神经网络的训练.11
1.2.1损失函数的重要性.12
1.2.2正则化.12
1.2.3反向传播算法.13
1.2.4优化方法.13
1.3本章小结.14
第2章神经网络架构.15
2.1卷积神经网络.15
2.1.1AlexNet.16
2.1.2GoogLeNet.17
2.1.3ResNet.18
2.1.4SqueezeNet.19
2.2循环神经网络.22
2.2.1LSTM.23
2.2.2GRU.24
2.3深度强化学习.25
2.4本章小结.28
第3章JavaScript深度学习框架.29
3.1TensorFlow.js.29
3.1.1TensorFlow.js介绍.30
3.1.2XOR问题.30
3.1.3解决XOR问题.32
3.1.4网络架构.37
3.1.5张量.39
3.1.6张量操作.40
3.1.7模型训练.43
3.1.8TensorFlow.js的生态.46
3.2WebDNN.48
3.3Keras.js.51
3.4本章小结.52
第4章深度学习的JavaScript基础.53
4.1JavaScript中的TypedArray.53
4.1.1ArrayBu.er.55
4.1.2DataView.56
4.2JavaScript中的并发.58
4.2.1JavaScript的事件循环.58
4.2.2用Promise创建一个异步函数.59
4.2.3使用新的async/await语法.61
4.2.4多线程使用WebWorker.64
4.2.5深度学习应用程序的处理循环.66
4.3在CPU/GPU上加载资源.66
4.3.1FetchAPI.67
4.3.2标签编码.69
4.3.3one-hot编码.69
4.4本章小结.70
第5章基于WebGL的GPU加速.73
5.1WebGL基础.74
5.1.1WebGL工作流程.76
5.1.2片段着色器渲染.78
5.2WebGL实现常规计算.85
5.2.1调试WebGL.86
5.2.2渲染纹理.87
5.2.3精度重要性.92
5.2.4优化器.94
5.2.5GLSL开发.95
5.2.6浮点型的特殊性.95
5.2.7从CPU流向GPU，反之亦然.99
5.3使用纹理和着色器的矩阵计算.101
5.3.1标准的矩阵加法.101
5.3.2标准的矩阵乘法.102
5.3.3激活函数应用.103
5.3.4运用WGLMatrix库.104
5.4手写数字识别应用.105
5.4.1数据编码.105
5.4.2内存优化.105
5.4.3前向传播.107
5.4.4第一次尝试.107
5.4.5优化性能.108
5.5本章小结.109
第6章从浏览器中提取数据.111
6.1加载图像数据.112
6.1.1从图像中提取像素.112
6.1.2加载远程资源.114
6.1.3获取二进制块.116
6.2将像素数据渲染到屏幕上.117
6.2.1显示图片.118
6.2.2将像素数据渲染到画布.119
6.2.3插值图像数据.122
6.2.4在画布上绘制形状.124
6.3访问相机、麦克风和扬声器.126
6.3.1从网络摄像头捕获图像.126
6.3.2用麦克风录音.128
6.3.3加载、解码和播放声音.130
6.4深度学习框架中的实用工具.131
6.4.1TensorFlow.js.131
6.4.2Keras.js.133
6.4.3WebDNN.133
6.5本章小结.135
第7章高级数据操作的方法.137
7.1反序列化Protobuf.138
7.1.1解析Caffe模型参数.139
7.1.2解析TensorFlow图.141
7.1.3浮点精度的注意事项.142
7.2用Chart.js绘制图表.143
7.2.1探索不同的图表类型.144
7.2.2配置数据集.146
7.2.3更新值.147
7.2.4选项和配置概述.150
7.3用画布画草图.153
7.3.1在画布上绘图.154
7.3.2提取笔画.158
7.4从麦克风计算频谱图.159
7.5人脸检测与跟踪.162
7.5.1用JeelizFaceFilter跟踪人脸.162
7.5.2使用tracking.js跟踪人脸.163
7.5.3Chrome中人脸检测的原生支持.165
7.6本章小结.167
第8章基于TensorFlow.js构建应用.169
8.1TensorFlow.js实现手势识别.169
8.1.1算法解说.170
8.1.2TensorFlow.js项目准备.171
8.1.3实例化KNN图像分类器.172
8.1.4TensorFlow.js迭代训练.173
8.1.5小结.176
8.2TensorFlow.js实现文本生成.176
8.2.1算法解说.176
8.2.2Keras模型.177
8.2.3将Keras模型转换为TensorFlow.js模型.178
8.2.4项目准备.178
8.2.5在TensorFlow.js中导入Keras模型.179
8.2.6TensorFlow.js迭代训练.179
8.2.7构造模型输入.181
8.2.8模型预测.183
8.2.9模型输出抽样.184
8.2.10小结.186
8.3TensorFlow.js实现图像降噪.186
8.3.1算法解说.187
8.3.2将Keras模型转换为TensorFlow.js模型.188
8.3.3项目准备.189
8.3.4初始化.190
8.3.5应用流程.190
8.3.6加载测试数字图片.191
8.3.7更新噪声.193
8.3.8生成变形图片.194
8.3.9图片降噪.195
8.3.10初始化函数.196
8.3.11小结.197
8.4本章小结.197
8.5最后结论.198