第　1章 機器學習在移動端的使用情況　1
1.1　機器學習的基礎　3
1.1.1　監督式學習　3
1.1.2　非監督式學習　3
1.1.3　線性回歸——監督式學習　4
1.2　TensorFlow Lite和Core ML　10
1.3　TensorFlow Lite　11
1.3.1　支持的平臺　12
1.3.2　TensorFlow Lite的內存使用情況和性能　13
1.3.3　動手使用TensorFlow Lite　14
1.3.4　將SavedModel轉換為TensorFlow Lite格式　15
1.3.5　在Android上使用TensorFlow Lite　16
1.3.6　在iOS上使用TensorFlow Lite　19
1.4　Core ML　20
1.4.1　Core ML模型轉換　21
1.4.2　iOS應用程序中的Core ML　22
1.5　本章小結　24

第　2章 使用Core ML和CNN預測年齡與性別　25
2.1　年齡和性別預測　26
2.1.1　年齡預測　27
2.1.2　性別預測　27
2.2　卷積神經網絡　28
2.2.1　發現模式　28
2.2.2　找出圖片中的特征值　29
2.2.3　池化層　31
2.2.4　ReLU層　31
2.2.5　局部響應歸一化層　32
2.2.6　dropout層　32
2.2.7　全連接層　33
2.2.8　使用CNN完成年齡和性別預測　33
2.3　在iOS上使用Core ML實現應用程序　35
2.4　本章小結　44

第3章　在照片上應用
藝術神經風格遷移　45
3.1　藝術神經風格遷移　46
3.1.1　背景　47
3.1.2　VGG網絡　48
3.2　構建應用程序　49
3.2.1　TensorFlow-to-Core ML轉換　52
3.2.2　iOS應用程序　55
3.2.3　Android應用程序　57
3.3　本章小結　77
3.4　參考網站　77

第4章　基于Firebase的ML Kit　78
4.1　ML Kit的基礎　79
4.1.1　基本特征集　80
4.1.2　構建應用程序　81
4.2　人臉檢測　86
4.2.1　面部朝向追蹤　86
4.2.2　運行面部檢測器　91
4.3　條形碼掃描器　98
4.3.1　創建FirebaseVisionImage對象　99
4.3.2　創建FirebaseVisionBarcodeDetector對象　102
4.3.3　條形碼檢測　102
4.4　文本識別　105
4.4.1　基于設備的文本識別　105
4.4.2　基于云端的文本識別　107
4.5　本章小結　109

第5章　在Android上的AR濾鏡　110
5.1　MobileNet模型　111
5.2　構建Android應用程序　116
5.3　參考網站　134
5.4　問題　134
5.5　本章小結　134

第6章　使用對抗學習構建手寫數字分類器　135
6.1　生成式對抗網絡　136
6.2　MNIST數據庫　137
6.3　構建TensorFlow模型　138
6.4　訓練神經網絡　140
6.4.1　構建Android應用程序　143
6.4.2　用于手寫的FreeHandView　144
6.4.3　數字分類器　150
6.5　本章小結　153

第7章　使用OpenCV與朋友換臉　154
7.1　換臉　155
7.1.1　換臉的步驟　157
7.1.2　構建Android應用程序　160
7.1.3　構建本地的臉交換器庫　161
7.1.4　構建應用程序　167
7.2　本章小結　179
7.3　參考信息　179
7.4　問題　180
第8章　使用遷移學習完成食物分類　181
8.1　遷移學習　182
8.2　訓練TensorFlow模型　184
8.2.1　安裝TensorFlow　184
8.2.2　訓練圖片　184
8.2.3　使用圖片重新訓練　185
8.2.4　構建iOS應用程序　191
8.3　本章小結　198

第9章　接下來做什么　199
9.1　溫故而知新　200
9.1.1　當開發機器學習應用程序時從何處入手　201
9.1.2　構建自己的模型　203
9.2　本章小結　206
9.3　進一步閱讀　206