课程大纲

介绍

  • Tensorflow 与 Tensorflow Lite

TensorFlow Lite 功能和工作流程概述

  • 机器学习和深度学习概念回顾
  • 如何实现设备上的低延迟推理
  • 端到端模型构建和部署

准备开发环境

  • 启动 Swift 项目
  • 将 TensorFlow 添加到项目

使用设备摄像头捕获图像

  • 如何捕获相机输入
  • 类和方法概述
  • 在帧上运行推理(执行图像分类)

创建用于对象检测的应用程序

  • 选择 TensorFlow 型号
  • 转换 TensorFlow 模型
  • 将 TensorFlow 模型加载到移动设备上
  • 加载预训练的 TensorFlow 模型

创建用于图像分类的应用程序

  • 选择 TensorFlow 型号
  • 转换 TensorFlow 模型
  • 将 TensorFlow 模型加载到移动设备上
  • 加载预训练的 TensorFlow 模型

自定义模型和数据

  • 预处理数据集
  • 设置超参数

优化 TensorFlow 模型

  • 根据基准衡量性能
  • 测量精度
  • 重新训练 TensorFlow 模型

探索替代模型

  • 选择其他型号
  • 训练模型以识别新类(迁移学习)
  • 获取新标签的训练图像

部署启用了 AI 的 iOS 应用

  • 在现场执行图像分类

故障 排除

总结和结论

要求

  • 具有 Swift 编程经验
  • 具有移动应用程序开发经验
  • 运行 v12 或更高版本的 iOS 设备

观众

  • 开发 人员
  • 希望在 iOS 上开发支持 AI 的移动应用程序的数据科学家
 21 小时

人数



每位参与者的报价

客户评论 (4)

相关课程

课程分类

1