从AI模型到智能机器人:基于PYTHON与TENSORFLOW

"作者高焕堂通过他40多年的工作经历，通过简单易懂的AI模型训练案例，教会读者如何利用Python与TensorFlow软件平台进行学习并掌握AI编程。 文笔生动有趣，案例简单易上手，是中初级读者快速掌握Python的很好的入门图书。 高焕堂老师在中国台湾/大陆都有多年的实体从业经验，并为华为、腾讯（成都）和百度的高级设计师和IT架构师授课。 "

随着AI(人工智能)技术及应用范围不断地扩大，Python程序代码的复杂度也逐步增高，这就要求Python开发者需要具备面向对象(Object-Oriented)思维和基本技术。本书的第一部分，从OOP+Python出发，由浅入深，循序渐进，帮读者建立扎实的AI软件开发的技术根基。本书的第二部分，以AI技术为起点，以"老鼠学习”为范例，讲解如何以Python来撰写简单的AI模型(如Perceptron模型)，并实际训练使用，让读者了解AI机器学习的原理、以及如何以Python程序来进行实践。本书的最后一部分，以AI专业的TensorFlow平台为例，说明如何善用这种专业的AI平台来设计专业NN(神经网络)模型，孰悉其训练及应用过程。将您在TensorFlow环境所训练好的AI模型，移植到Android手机或机器人(如华硕Zenbo)上，大大提升终端设备的智能化、扩大应用，为用户来创造更大商机。

高焕堂，拥有40多年软件设计经验。专注于AI&VR技术与创客辅导，在AI、Docker容器技术、Android终端平台等领域有很深的研究。现任中国台湾铭传大学“AI创新&设计思维”指导教授，大连艺术学院创新创业导师、厦门VR/AR协会创业导师兼荣誉会长。并为华为、百度、腾讯（成都）等国内知名公司的高级设计师和IT架构师授课。

第1章 AI与面向对象Python 1 1.1 AI思维简史 2 1.2 Python语言与AI 2 1.3 布置Python开发环境 3 1.4 开始编写Python程序 6 1.5 面向对象（Object-Oriented）入门 10 1.5.1 对象（Object） 10 1.5.2 消息（Message） 10 1.5.3 事件（Event） 10 1.6 软件中的对象（Object） 11 1.6.1 抽象 11 1.6.2 抽象表示 12 1.6.3 数据和函数 12 1.6.4 历史的足迹 12 1.7 对象与变量（Variable） 13 1.7.1 数据类型 13 1.7.2 变量即对象 14 1.8 对象与函数（Function） 17 1.8.1 函数的角色 17 1.8.2 事件驱动观念 18 1.9 自然界的分类 19 1.9.1 分类与抽象 19 1.9.2 对象与类 19 1.9.3 类的体系 20 1.10 软件的分类 21 1.10.1 类是数据类型 21 1.10.2 类的用途：描述对象的属性与行为 22 第2章 Python的对象与类 24 2.1 OOP入门 25 2.2 对象的概念 25 2.3 对象分类与组合 27 2.3.1 类的永恒性 27 2.3.2 将对象分门别类 27 2.3.3 对象的组合关系 28 2.4 AKO抽象关系 30 2.5 对象行为与接口 36 2.5.1 接口入门 36 2.5.2 消息传递与对象行为 37 2.5.3 对象的运算行为 38 第3章 善用类 46 3.1 如何描述对象：善用类 47 3.2 如何创建软件对象 48 3.3 对象参考 49 3.4 构造函数 52 3.5 子类如何创建对象 54 第4章 对象的组合 58 4.1 认识 self 参考 59 4.2 建立对象的包含关系 60 4.3 self 参考值的妙用 64 4.4 包容多样化物件 71 4.5 集合对象 73 第5章 类的封装性 76 5.1 对象的封装性 77 5.2 类：创造对象的封装性 77 5.3 类的私有属性与函数 81 5.4 类级别的属性 89 5.5 类级别的函数 93 第6章 类的继承体系 96 6.1 继承的意义 97 6.2 建立类继承体系 98 6.3 函数覆写的意义 108 第7章 活用抽象类 111 7.1 抽象类与继承体系 112 7.2 Python抽象类的表示法 112 7.2.1 一般具象类 112 7.2.2 抽象类 114 7.3 从“抽象类”衍生“具象类” 115 7.4 抽象类的妙用：默认行为 118 7.4.1 Python默认行为的表示法 118 7.4.2 默认行为的意义 120 7.5 默认函数的妙用：反向调用 120 第8章 发挥“多态性” 127 8.1 “多态性”的意义 128 8.1.1 自然界的多态性 128 8.1.2 多态性物体 129 8.2 多态函数 130 8.3 可覆写函数 132 第9章 如何设计抽象类 138 9.1 抽象：抽出共同的现象 139 9.2 抽象的步骤 141 9.2.1 Step 1: 抽出名称、引数及内容都一致的函数 147 9.2.2 Step 2: 抽出名称相同、参数及内容有差异的函数 149 9.3 洞悉“变”与“不变” 152 9.4 着手设计抽象类 154 第10章 接口与抽象类 160 10.1 接口的意义 161 10.2 以 Python 抽象类来实现接口 162 10.3 接口设计实例一：并联电池对象 167 10.3.1 不理解原理但也能用 167 10.3.2 实现步骤 169 10.4 接口设计实例二：串联电池对象 172 10.4.1 基本设计 172 10.4.2 实现步骤 173 10.4.3 总结 176 10.5 接口设计实例三：Chain Of Responsibility设计模式 177 第11章 不插电学AI 183 11.1 “不插电学AI”的意义 184 11.2 AlphaGo的惊人学习能力 184 11.3 范例：一只老鼠的探索及学习 184 11.4 记录老鼠的探索选择及结果 186 11.5 老鼠当教练：训练AI机器人 188 11.5.1 以简单算数，让机器人表达智能 188 11.5.2 机器人智能的提升过程 189 11.5.3 一回生、两回熟 191 11.5.4 三回变高手 192 11.5.5 第四回合训练：迈向完美 194 11.5.6 重新检测一次 195 第12章 撰写单层Perceptron程序 198 12.1 开始“插电学AI”：使用Python 199 12.2 展开第#0组数据的训练 200 12.3 进行更多组数据的训练 202 12.4 加入学习率 206 12.5 增添一个Training类 209 12.6 一个更详细的Perceptron代码 213 第13章 使用TensorFlow编程 225 13.1 TensorFlow入门 226 13.2 安装TensorFlow环境 226 13.3 开始使用TensorFlow 230 13.4 展开第1回合的训练：以老鼠教练为例 237 13.5 展开100回合更周全的训练 240 13.6 设计Perceptron类 243 13.7 采用TensorFlow的损失函数 245 13.8 撰写多层Perceptron程序 248 第14章 TensorFlow应用范例 251 14.1 mnist手写数字识别范例 252 14.2 开始训练 NN 模型 256 14.3 改进 NN 模型：建立两层Perceptron 260 14.4 改进 NN 模型：建立三层Perceptron 263 14.5 撰写一个MLP类 265 第15章 如何导出AI模型 268 15.1  导出模型入门 269 15.2 机器人：像老鼠一样学习 270 15.3 基于TensorFlow建立AI模型 270 15.4 存入Checkpoint文件 272 15.5  读取Checkpoint文件 275 15.6 读取流图定义文件 277 15.7 导出模型：写入.pb文件 280 15.8 导入模型，读取.pb文件 284