Web智能化：AI应用与开发指南 fb2 pdf azw3 网盘 rtf 免费 下载 txt

本书在介绍如何利用前端技术来实现深度学习的模型部署和预测的基础上，重点介绍了若干运用前端AI技术的典型场景。本书内容包括三大部分：前端与AI、引入新模型和Web AI进阶。本书重点讲解模型开发的“全链路”，从模型供给到业务实现，串联起前端AI开发的整个流程。读者可以根据定制化的需求利用Paddle.js前端推理引擎完成算子开发、精度对齐、业务场景接入等具体的研发工作。本书不仅可以使读者对前端AI的理论和技术体系有深入的了解，还能通过指导实现推理效果的验证，让前端开发和AI技术深入结合，实现理论和实践的统一。

第1部分 前端与AI

第1章 Web AI2

1.1 Web AI的特点3

1.2 Web AI的发展历程5

1.3 总结8

第2章 神经网络和前端推理引擎9

2.1 感知机10

2.2 从感知机到神经网络12

2.3 前端推理引擎15

2.4 总结18

第3章 Paddle.js 初探19

3.1 AI全链路19

3.1.1 AI全链路基本介绍20

3.1.2 前端推理引擎Paddle.js21

3.2 模型和神经网络拓扑结构24

3.2.1 模型结构文件与参数文件25

3.2.2 神经网络拓扑结构26

3.3 推理过程与运行环境31

3.3.1 推理过程31

3.3.2 运行环境33

3.4 使用Paddle.js33

3.5 总结44

第4章 CV项目实战46

4.1 paddlejs-models模型库46

4.1.1 backend选择47

4.1.2 引入模型 library48

4.2 经典CV模型实战50

4.2.1 图像分类51

4.2.2 图像分割56

4.2.3 目标检测66

4.3 小程序CV项目73

4.3.1 微信小程序插件paddlejsPlugin73

4.3.2 百度智能小程序动态库paddlejs76

4.4 总结78

第2部分 引入新模型

第5章 模型准备82

5.1 模型转换82

5.1.1 转换工具使用83

5.1.2 转换过程87

5.2 模型算子90

5.2.1 算子基本信息90

5.2.2 算子计算规则92

5.3 算子开发与测试93

5.3.1 算子开发93

5.3.2 算子测试96

5.4 总结99

第6章 模型前后处理100

6.1 模型前处理100

6.1.1 媒体资源获取101

6.1.2 输入数据处理107

6.2 模型后处理114

6.2.1 目标分类114

6.2.2 目标框选115

6.2.3 目标分割116

6.3 总结117

第7章 图像处理118

7.1 简单滤镜118

7.1.1 灰度119

7.1.2 色相旋转121

7.2 美颜效果125

7.2.1 美白滤镜125

7.2.2 磨皮滤镜129

7.2.3 瘦脸滤镜134

7.2.4 大眼滤镜139

7.3 总结142

第3部分 Web AI进阶

第8章 计算方案146

8.1 基本概念146

8.1.1 多线程147

8.1.2 SIMD147

8.1.3 CPU与GPU148

8.2 计算方案介绍149

8.2.1 PlainJS计算方案150

8.2.2 WebGL计算方案151

8.2.3 WebGPU 计算方案154

8.2.4 WebAssembly计算方案159

8.2.5 NodeGL计算方案161

8.2.6 Web Worker在Paddle.js上的应用161

8.3 计算方案对比168

8.4 总结169

第9章 性能优化170

9.1 算子融合170

9.2 向量化计算174

9.3 多线程179

9.4 总结186

第10章 Web AI应用安全187

10.1 安全问题与安全目标187

10.1.1 安全问题188

10.1.2 安全目标190

10.2 前端安全技术191

10.2.1 加解密方案191

10.2.2 代码安全193

10.2.3 安全加固方案196

10.3 安全方案197

10.3.1 安全中心198

10.3.2 离线部署201

10.3.3 在线推理202

10.4 总结203

第11章 Web AI的发展趋势205

11.1 Web AI的六大能力205

11.2 技术展望209

11.2.1 Web AI的标准209

11.2.2 Web AI中的端云协同210

11.3 总结212

第12章 未来已来213

12.1 大语言模型简介215

12.1.1 什么是GPT216

12.1.2 超大语言模型带来的能力跃升219

12.1.3 GPT-4的又一次生长221

12.1.4 回答准确性和可解释性222

12.2 前端和大语言模型223

12.2.1 提示语是一切的核心224

12.2.2 学会如何与GPT交流230

12.2.3 用GPT优化工作流233

12.3 关于未来的畅想242

12.4 给前端工程师的建议246

张静媛毕业于西安电子科技大学。在百度参与了语音搜索、百度畅听、百度体育等产品的前端研发工作。目前主要参与 Paddle.js 移动 AI 开发和探索工作，以及搜索团队前端横向技术方向的工作，致力于提升搜索前端技术的基础设施建设。岳双燕毕业于山东大学。在百度参与了多模视觉搜索、百度搜索TOP1、泛娱乐、垂类等产品的前端研发工作，以及搜索团队前端性能及稳定性等技术方向的工作。目前主要参与 Paddle.js 移动 AI 开发和探索。樊中恺毕业于北京科技大学，前端架构师，Paddle.js负责人。2008年开始接触前端开发，并于2012年进入移动端开发领域。曾先后负责百度浏览器、百度文库、百度阅读、手百App的前端技术架构工作。目前工作的主要方向为AI-Native应用的研发。在端智能、工程化、前端架构等领域拥有丰富的经验。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Web智能化：AI应用与开发指南在线阅读

在线听书地址：Web智能化：AI应用与开发指南在线收听

在线购买地址：Web智能化：AI应用与开发指南在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

《Web智能化：AI应用与开发指南》在介绍如何利用前端技术来实现深度学习的模型部署和预测的基础上，重点介绍了若干运用前端AI技术的典型场景。本书内容包括三大部分：前端与AI、引入新模型和Web AI进阶。本书重点讲解模型开发的“全链路”，从模型供给到业务实现，串联起前端AI开发的整个流程。读者可以根据定制化的需求利用Paddle.js前端推理引擎完成算子开发、精度对齐、业务场景接入等具体的研发工作。本书不仅可以使读者对前端AI的理论和技术体系有深入的了解，还能通过指导实现推理效果的验证，让前端开发和AI技术深入结合，实现理论和实践的统一。

《Web智能化：AI应用与开发指南》适合对AI、深度学习和前端AI感兴趣的学生和从业者使用。