链接：https://pan.baidu.com/s/1BvZRsKmXthZYscj9MkBq9w?pwd=nk43 

提取码：nk43

从应用选择的角度看，八个主题脉络依次是：

一百余种花、三百余种鸟、美食场景、驾驶场景、人机聊天、人脸生成、活体检测、结构预测。

从技术路线的角度看，八个经典模型依次是：

EfficientNetV2、MobileNetV3、EfficientDet、YOLOV5、Transformer、StyleGAN2、FaceNet、AlphaFold2

。

本书有难度、有高度，聚焦前沿，把握热点，可用做毕业设计指导教材、创新创业训练指导教材、实训实习指导教材，适合研究生和工程技术人员学习参考。

内容简介

这是一本以项目为引领、以经典模型为主线的面向产业链的实战化教科书。全书分为九章，包含九个实战项目。以基于Android手机的智能化应用场景为项目目标，采用迭代模式，从基于TensorFlow的智能建模开始，到基于Android的应用开发结束。模型从训练到部署，设计周期长，技术要点多，复杂度高，工作量大，考验设计者的恒心与毅力。
场景无限好，模型来相撑。场景包括一百余种花朵识别、三百余种鸟类识别、美食场景检测、驾驶场景检测、人机畅聊、人脸生成、人脸识别、基因序列预测、蛋白质结构预测。模型包括EfficientNetV1、EfficientNetV2、MobileNetV1～MobileNetV3、EfficientDet、YOLOvl～YOLOv5、Transformer、GAN、Progressive GAN、StyleGAN1～StyleGAN3、VGG-Face、FaceNet、BERT、DenseNetl21、AlphaFold2。
本书聚焦前沿、经典，充满创新与挑战；全程配备同步教学视频，26小时的高密度、大容量精华视频，让学习变得更简单。
本书适合作为高阶实践教材、毕业设计指导教材、创新创业训练指导教材、实训实习指导教材，还适合研究生和工程技术人员学习参考。

目录

第1章 EfficientNetV2与花朵识别
1.1 花伴侣
1.2 技术路线
1.3 花朵数据集
1.4 EfficientNetV解析
1.5 EfficientNetV2解析
1.6 EfficientNetV2建模
1.7 EfficientNetV2训练
1.8 EfficientNetV2评估
1.9 EfficientNet-B7建模
1.10 Web服务器设计
1.11 新建Android项目
1.12 Android之网络访问接口
1.13 Android客户机界面
1.14 Android客户机逻辑
1.15 联合测试
1.16 小结
1.17 习题
第2章 MobileNetV3与鸟类识别
2.1 Merlin鸟种识别
2.2 技术路线
2.3 鸟类数据集
2.4 MobileNetV1解析
2.5 MobileNetV2解析
2.6 MobileNetV3解析
2.7 MobileNetV3建模
2.8 MobileNetV3训练
2.9 MobileNetV3评估
2.10 MobileNetV3-Lite版
2.11 添加TFLite模型元数据
2.12 新建Android项目
2.13 Android项目配置
2.14 Android界面设计
2.15 Android逻辑设计
2.16 Android手机测试
2.17 小结
2.18 习题
第3章 EfficientDet与美食场景检测
3.1 项目动力
3.2 技术路线
3.3 MakeSense定义标签
3.4 定义数据集
3.5 EfficientDet解析
3.6 EfficientDet-Lite预训练模型
3.7 美食版EfficientDet-Lite训练
3.8 评估指标mAP
3.9 美食版EfficierLtDet-Lite评估
3.10 美食版EfficientDet-Lite测试
3.11 新建Android项目
3.12 Android界面设计
3.13 Android逻辑设计
3.14 Android手机测试
3.15 小结
3.16 习题
第4章 YOLOv5与驾驶场景检测
4.1 项目动力
4.2 驾驶场景检测
4.3 滑动窗口实现目标检测
4.4 卷积方法实现滑动窗口
4.5 交并比
4.6 非极大值抑制
4.7 Anchor Boxes
4.8 定义网格标签
4.9 YOLOv1解析
4.10 YOLOv2解析
4.11 YOLOv3解析
4.12 YOLOv4解析
4.13 YOLOv5解析
4.14 YOLOv5预训练模型
4.15 驾驶员图像采集
4.16 用LabelImg定义图像标签
4.17 YOLOv5迁移学习
4.18 生成YOLOv5-TFLite模型
4.19 在Android上部署YOLOv5
4.20 场景综合测试
4.21 小结
4.22 习题
第5章 Transformer与人机畅聊
5.1 项目动力
5.2 机器问答技术路线
5.3 腾讯聊天数据集
5.4 Transformer模型解析
5.5 机器人项目初始化
5.6 数据集预处理与划分
5.7 定义Transformar输入层编码
5.8 定义Transformar注意力机制
5.9 定义Transformar编码器
5.10 定义Transformer解码器
5.11 Transformar模型合成
5.12 模型结构与参数配置
5.13 学习率动态调整
5.14 模型训练过程
5.15 损失函数与准确率曲线
5.16 聊天模型评估与测试
5.17 聊天模型部署到服务器
5.18 Android项目初始化
5.19 Android聊天界面设计
5.20 Android聊天逻辑设计
5.21 客户机与服务器联合测试
5.22 小结
5.23 习题
第6章 StyleGAN与人脸生成
6.1 项目动力
6.2 GAN解析
6.3 Progressive GAN解析
6.4 StyleGAN解析
6.5 StyleGAN2解析
6.6 StvleGAN2-ADA解析
6.7 StyleGAN3解析
6.8 人脸生成测试
6.9 客户机与服务器通信逻辑
6.10 人脸生成服务器
6.11 桌面版客户机设计与测试
6.12 新建Android项目
6.13 Android界面设计
6.14 Android客户机逻辑设计
6.15 Android版客户机测试
6.16 小结
6.17 习题
第7章 FaeeNet与人脸识别
7.1 项目动力
7.2 人脸检测
7.3 人脸活体检测
7.4 三种方法做人脸检测
7.5 人脸识别
7.6 人脸数据采集
7.7 自定义人脸识别模型
7.8 人脸识别模型训练
7.9 人脸识别模型测试
7.10 VGG-Face人脸识别模型
7.11 VGG-Face门禁检测
7.12 FaceNet人脸识别模型
7.13 FaceNet服务器设计
7.14 Android项目初始化
7.15 Android网络访问接口
7.16 Android界面设计
7.17 Android客户机逻辑设计
7.18 客户机与服务器联合测试
7.19 活体数据采样
7.20 定义活体检测模型
7.21 活体检测模型训练
7.22 活体检测模型评估
7.23 实时检测与识别
7.24 小结
7.25 习题
第8章 BERT与基因序列预测
8.1 生物信息学数据库
8.2 数据库检索
8.3 序列比对
8.4 多序列比对
8.5 基因增强子
8.6 增强子序列数据集
8.7 BERT模型解析
8.8 定义DNA序列预测模型
8.9 DNA序列特征提取
8.10 DNA序列模型训练
8.11 DNA序列模型评估
8.12 小结
8.13 习题
第9章 AlphaFold2与蛋白质结构预测
9.1 历史突破
9.2 技术路线
9.3 初识AlphaFold2框架
9.4 数据集与特征提取
9.5 Evoformer推理逻辑
9.6 Structure模块逻辑
9.7

查看全部↓

前言/序言

前言

这是一本以项目为引领、以经典模型为主线的面向产业链的实战化教科书。从建模到应用、从理论到实践，TensorFlow与Android贯穿始终。聚焦前沿，贴近生产，产教融合，注重实战。

全书技术演进路线如图0.1所示。模型挂帅，场景领航。学以致用，一以贯之。运用之妙，存乎一心。理论实战，一气呵成。

Web服务器模式、Socket服务器模式、轻量级边缘计算模式三条模型部署路径无缝集成，相互补充、相互支持。服务器模式可实现一对多的大规模并发应用。边缘计算模式的优点是不依赖远程网络和中央计算。

本书建模采用TensorFlow框架，Web服务器和Socket服务器采用Python语言编程，Android开发采用Kotlin语言编程。

图0.1全书技术演进路线

全书共九章，包括九个实战项目，涉及图像分类、目标检测、语言智能、人脸识别、图像生成、生物信息六个主题领域。第8章和第9章的生物信息项目计算量较大，模型推理周期较长，不适合Android即时部署演示。其他七个项目全部实现了从TensorFlow建模起步到Android场景部署的教学示范和应用示范。

本书所有章节都配备同步高清教学视频，读者可跟随教材同步复现项目设计的全部流程。纸质教材是教学视频的经纬根基，教学视频则是对纸质教材的立体超越。微课视频版教材的优势是纸质教材纲举目张，教学视频见微知著，二者相辅相成，实现1+1>2的教学效果。读者可扫描封底“文泉云盘”刮刮卡二维码，获得权限，再扫描对应章节处二维码，即可观看视频。本书涉及的数据集、源码、模型等资源可扫描目录下方二维码下载。

26小时的高密度精华视频，是逢山开路、遇水架桥的优先选项，是嘈嘈切切错杂弹、大珠小珠落玉盘的灵感源泉，是推陈出新、青出于蓝而胜于蓝的进阶秘籍。

本书体现了以下教育部产学合作协同育人项目的教研成果。

(1) TensorFlow与Android一起学(Google课程资助项目，2021年)。

(2) TensorFlow与Android之场景关联暨一体化案例迭代教学实战(Google师资培训项目，2021年)。

产学合作协同育人项目建设历时一年。期间面向200余所高校教师完成了两项重要师资培训工作。

(1) 全国高校TensorFlow+Android深度学习实战高级研修班(清华大学出版社主办，2021年7月，桂林，5个专题)。

(2) TensorFlow与Android之场景关联暨一体化案例迭代教学实战(Google主办，腾讯会议，2021年9月、10月共两期，每期10个专题)。

本书得到清华大学出版社计算机与信息分社魏江江社长和计算机教材第二事业部黄芝主任的精心指导； 得到众多编辑老师的抬爱和斧正，最终得以以图文并茂、赏心悦目的形式与广大读者见面。在此表示最为衷心的感谢。

本书创作过程中参阅了众多文献、博文和博主视频，在此向作者致以崇高的敬意。

全书解读了20余篇前沿经典论文，书中若干图表直接来自论文中的实验成果。相关论文引用附在书末参考文献中。

本书由三位作者通力合作完成。董相志负责书稿撰写和视频录制。曲海平博士审定了书稿纲目，承担了Google师资培训的部分教学工作。南方科技大学在读博士生董飞桐博士审读了第8章与第9章，使得相关专业表述更为贴切准确。

限于水平，书中错误在所难免。恳请读者批评指正。

回顾一年来走过的历程，从思想萌芽到项目申报，从项目获批到项目建设，再到项目取得一次又一次进展，感觉我们一直在路上，一直在奔跑！

项目建设期间，得到了浙江大学城市学院吴明晖教授、厦门大学吴德文教授、重庆邮电大学陈昌川教授、山东科技大学魏光村教授等朋友的慷慨相助，得到了Google东北亚教育合作高级项目经理万泽春先生的全方位项目指导，得到了众多同事和朋友的鼎力支持，在此谨致万分感谢。

特别鸣谢陈昌川教授，百忙中帮助建设了Google师资培训超星课堂，极大地便利了大家的交流与学习。

本书源于项目建设，理论与实战碰撞、情感与情怀交织，凝练、浓缩、升华了我们过往的些许收获。

书稿落定，恰逢小满。欧阳修的诗句“最爱垄头麦，迎风笑落红”，甚是契合心境。聊赋《忆秦娥》一首，寄托所有美好。

忆秦娥·牵日月

雄心烈，欲将新书牵日月。牵日月，左手Tensor，右手Android。

马作的卢振长策，虎咬天开凭君跃。凭君跃，一腾天半，二腾天阙。

编者2023年1月

查看全部↓