智能前端技术与实践

1.深入浅出，通俗易懂 基于TensorFlow.js讲述如何在浏览器端开发人工智能应用，深入浅出地介绍了前端开发、深度学习的相关知识，帮助读者提升智能前端开发水平。 2.实用工具书，针对性强 从环境配置出发，详细介绍了卷积神经网络与移动端常用的几个网络模型。 3.实例丰富，参考性强 提供大量实际案例，具有较高参考价值。 4.适用性强，具有广泛性 适配新版本以及多类型设备，具有广泛参考性。

本书旨在介绍智能前端开发和深度学习。本书首先介绍了相关的开发环境、前端开发基础知识、深度学习基础知识、前端智能框架和卷积神经网络，然后讲述了线性回归、logistical回归、XOR问题、人体姿态检测：目标检测、光学字符识别等方面的案例，最后讲解了前端智能化案例。本书适合Web前端开发人员、人工智能开发人员阅读，也可作为计算机相关专业师生的参考用书。

石璞东，西安建筑科技大学硕士研究生，研究方向包括机器学习、Web开发，担任百度飞桨领航团金牌团长和hahaWebsite网站站长。 吴萌，西安建筑科技大学信息与控制工程学院副教授，硕士生导师，美国俄亥俄州立大学访问学者，中国图象图形学学会数字文化遗产专委会委员。 王慧琴，西安建筑科技大学信息与控制工程学院副院长、教授、博士生导师，通信与信息系统研究所所长，陕西省图象图形学学会理事，中国图象图形学学会图像应用与系统集成专委会委员，中国图象图形学学会数字文化遗产专委会委员。

第1章开发环境配置1
1．1安装Anaconda31
1．2安装TensorFlow26
1．3安装npm包管理工具11
1．4安装TensorFlow．js的相关包14
1．5使用WebStorm18
1．6使用Google浏览器19
1．6．1注册ChromeWebStore开发者19
1．6．2Google浏览器扩展程序20
1．7使用微信开发者工具27
1．7．1添加微信小程序插件29
1．7．2使用微信小程序插件29
1．7．3发布微信小程序35
第2章前端开发基础39
2．1背景知识概述39
2．2HTML基础40
2．2．1HTML文档基本结构41
2．2．2常用标签49
2．3CSS基础55
2．3．1CSS的3种使用方法55
2．3．2CSS选择器56
2．4JavaScript基础56
2．5与Google扩展程序相关的JavaScriptAPI58
2．6深度学习中的JavaScript61
2．6．1JavaScript数据类型61
2．6．2JavaScript异步编程63
2．7微信小程序开发67
2．7．1微信小程序框架结构分析68
2．7．2页面描述文件72
2．7．3页面样式文件87
2．7．4逻辑层文件88
2．7．5小程序的事件系统91
第3章深度学习概述95
3．1深度学习环境95
3．1．1云端深度学习环境选择95
3．1．2本地深度学习环境搭建104
3．2深度学习框架105
3．3TensorFlow2基础113
3．3．1数据类型113
3．3．2数值精度115
3．3．3操作和计算图116
3．3．4自动微分和梯度带117
3．3．5广播机制118
3．3．6框架概述118
3．4深度学习基础119
3．4．1BP神经网络120
3．4．2激活函数121
3．4．3softmax函数126
3．4．4损失函数126
3．4．5梯度下降算法130
3．4．6反向传播132
第4章TensorFlow．js框架详解134
4．1TensorFlow．js框架概述134
4．2TensorFlow．js低阶API详解136
4．2．1张量操作方法136
4．2．2数学运算148
4．3TensorFlow．js高阶API详解153
4．3．1构建模型154
4．3．2模型配置160
4．3．3模型训练160
4．3．4模型评估160
4．3．5模型转换164
4．4TensorFlow．jsVis库详解166
4．4．1Visor接口方法介绍167
4．4．2模型可视化168
4．4．3数据可视化173
4．4．4模型评价指标175
4．5其他API176
4．5．1数据操作176
4．5．2浏览器操作183
4．5．3性能优化184
4．5．4正则化185
4．5．5早停法185
第5章卷积神经网络187
5．1卷积神经网络概述187
5．2卷积层188
5．3池化层192
5．4轻量级的卷积神经网络194
5．4．1SqueezeNet195
5．4．2MobileNetV1198
5．4．3ShuffleNetV1201
5．4．4Xception203
第6章TensorFlow．js基础案例206
6．1线性回归207
6．1．1案例简介207
6．1．2代码实现207
6．2logistical回归211
6．2．1案例简介211
6．2．2代码实现211
6．3XOR问题215
6．3．1案例简介215
6．3．2代码实现216
6．4加载与应用MobileNet模型220
6．4．1案例简介220
6．4．2代码实现220
6．5《你画我猜》（MNIST手写数字版）224
6．5．1案例简介224
6．5．2代码实现224
第7章TensorFlow官方数据集实战231
7．1boston_housing数据集与实战案例231
7．1．1数据集介绍231
7．1．2房价预测实战232
7．2与CIFAR-10数据集相关的实战案例235
7．2．1数据集介绍235
7．2．2在Anaconda3JupyterNotebook中加载数据集235
7．2．3在Kaggle中导入CIFAR-10数据集236
7．2．4从本地导入CIFAR-10数据集240
7．3与CIFAR-100数据集相关的实战案例248
7．3．1数据集介绍248
7．3．2数据集展示249
7．4与MNIST数据集相关的实战案例253
7．4．1数据集介绍253
7．4．2数据集展示253
7．5与Fashion_MNIST数据集相关实战案例255
7．5．1数据集介绍255
7．5．2数据集加载256
7．6基于CNN的MNIST手写数字识别257
7．6．1自定义网络模型257
7．6．2微信小程序部署261
第8章基于CNN的常见水果分类识别266
8．1数据集介绍266
8．2数据集标注269
8．3数据预处理277
8．3．1数据文件读取277
8．3．2文件解码278
8．3．3文件数据类型转换278
8．3．4数据归一化280
8．4模型概览282
8．5模型设计284
8．6模型配置284
8．7模型训练285
8．8模型评估286
8．9模型部署289
8．9．1在微信小程序中加载模型289
8．9．2在Google浏览器中加载模型291
第9章基于PoseNet的人体姿态检测293
9．1项目概述293
9．2项目初始化294
9．2．1添加camera组件295
9．2．2添加canvas对象296
9．3模型加载296
9．4姿态检测297
9．5预测结果绘制301
9．6效果展示302
第10章基于CocoSSD的目标检测303
10．1项目概述303
10．2项目初始化304
10．2．1添加camera组件304
10．2．2添加canvas对象305
10．3模型加载305
10．4目标检测305
10．5预测结果绘制307
10．6效果展示307
第11章OCR技术309
11．1OCR技术概述310
11．2OCR工具推荐311
11．3微信OCR315
11．3．1插件配置信息316
11．3．2页面结构设计317
11．3．3页面逻辑功能318
11．4Google扩展程序OCR319
11．4．1插件配置信息319
11．4．2页面结构设计320
11．4．3页面逻辑功能321
11．4．4后台脚本322
第12章神奇的人工智能324
12．1个人网站恶意评论检测324
12．1．1项目简介324
12．1．2代码实现326
12．1．3效果展示330
12．2微信同声传译331
12．2．1项目简介331
12．2．2代码实现332
12．2．3效果展示333
12．3Google面馆正式营业了334
12．4猜画小歌335
12．5FaceTouchMonitor335
12．6TeachableMachine336
12．7其他案例337