Web智能化：AI應(yīng)用與開發(fā)指南
定 價(jià)：100 元
- 作者：張靜媛
- 出版時(shí)間：2023/8/1
- ISBN：9787121460609
- 出 版 社：電子工業(yè)出版社
- 中圖法分類：TP18
- 頁碼：272
- 紙張：
- 版次：01
- 開本：32開
本書在介紹如何利用前端技術(shù)來實(shí)現(xiàn)深度學(xué)習(xí)的模型部署和預(yù)測(cè)的基礎(chǔ)上，重點(diǎn)介紹了若干運(yùn)用前端AI技術(shù)的典型場景。本書內(nèi)容包括三大部分：前端與AI、引入新模型和Web AI進(jìn)階。本書重點(diǎn)講解模型開發(fā)的“全鏈路”，從模型供給到業(yè)務(wù)實(shí)現(xiàn)，串聯(lián)起前端AI開發(fā)的整個(gè)流程。讀者可以根據(jù)定制化的需求利用Paddle.js前端推理引擎完成算子開發(fā)、精度對(duì)齊、業(yè)務(wù)場景接入等具體的研發(fā)工作。本書不僅可以使讀者對(duì)前端AI的理論和技術(shù)體系有深入的了解，還能通過指導(dǎo)實(shí)現(xiàn)推理效果的驗(yàn)證，讓前端開發(fā)和AI技術(shù)深入結(jié)合，實(shí)現(xiàn)理論和實(shí)踐的統(tǒng)一。
張靜媛畢業(yè)于西安電子科技大學(xué)。在百度參與了語音搜索、百度暢聽、百度體育等產(chǎn)品的前端研發(fā)工作。目前主要參與 Paddle.js 移動(dòng) AI 開發(fā)和探索工作，以及搜索團(tuán)隊(duì)前端橫向技術(shù)方向的工作，致力于提升搜索前端技術(shù)的基礎(chǔ)設(shè)施建設(shè)。岳雙燕畢業(yè)于山東大學(xué)。在百度參與了多模視覺搜索、百度搜索TOP1、泛娛樂、垂類等產(chǎn)品的前端研發(fā)工作，以及搜索團(tuán)隊(duì)前端性能及穩(wěn)定性等技術(shù)方向的工作。目前主要參與 Paddle.js 移動(dòng) AI 開發(fā)和探索。樊中愷畢業(yè)于北京科技大學(xué)，前端架構(gòu)師，Paddle.js負(fù)責(zé)人。2008年開始接觸前端開發(fā)，并于2012年進(jìn)入移動(dòng)端開發(fā)領(lǐng)域。曾先后負(fù)責(zé)百度瀏覽器、百度文庫、百度閱讀、手百App的前端技術(shù)架構(gòu)工作。目前工作的主要方向?yàn)锳I-Native應(yīng)用的研發(fā)。在端智能、工程化、前端架構(gòu)等領(lǐng)域擁有豐富的經(jīng)驗(yàn)。
第1部分 前端與AI
第1章 Web AI 2
1.1 Web AI的特點(diǎn) 3
1.2 Web AI的發(fā)展歷程 5
1.3 總結(jié) 8
第2章 神經(jīng)網(wǎng)絡(luò)和前端推理引擎 9
2.1 感知機(jī) 10
2.2 從感知機(jī)到神經(jīng)網(wǎng)絡(luò) 12
2.3 前端推理引擎 15
2.4 總結(jié) 18
第3章 Paddle.js 初探 19
3.1 AI全鏈路 19
3.1.1 AI全鏈路基本介紹 20
3.1.2 前端推理引擎Paddle.js 21
3.2 模型和神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) 24
3.2.1 模型結(jié)構(gòu)文件與參數(shù)文件 25
3.2.2 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) 26
3.3 推理過程與運(yùn)行環(huán)境 31
3.3.1 推理過程 31
3.3.2 運(yùn)行環(huán)境 33
3.4 使用Paddle.js 33
3.5 總結(jié) 44
第4章 CV項(xiàng)目實(shí)戰(zhàn) 46
4.1 paddlejs-models模型庫 46
4.1.1 backend選擇 47
4.1.2 引入模型 library 48
4.2 經(jīng)典CV模型實(shí)戰(zhàn) 50
4.2.1 圖像分類 51
4.2.2 圖像分割 56
4.2.3 目標(biāo)檢測(cè) 66
4.3 小程序CV項(xiàng)目 73
4.3.1 微信小程序插件paddlejsPlugin 73
4.3.2 百度智能小程序動(dòng)態(tài)庫paddlejs 76
4.4 總結(jié) 78
第2部分 引入新模型
第5章 模型準(zhǔn)備 82
5.1 模型轉(zhuǎn)換 82
5.1.1 轉(zhuǎn)換工具使用 83
5.1.2 轉(zhuǎn)換過程 87
5.2 模型算子 90
5.2.1 算子基本信息 90
5.2.2 算子計(jì)算規(guī)則 92
5.3 算子開發(fā)與測(cè)試 93
5.3.1 算子開發(fā) 93
5.3.2 算子測(cè)試 96
5.4 總結(jié) 99
第6章 模型前后處理 100
6.1 模型前處理 100
6.1.1 媒體資源獲取 101
6.1.2 輸入數(shù)據(jù)處理 107
6.2 模型后處理 114
6.2.1 目標(biāo)分類 114
6.2.2 目標(biāo)框選 115
6.2.3 目標(biāo)分割 116
6.3 總結(jié) 117
第7章 圖像處理 118
7.1 簡單濾鏡 118
7.1.1 灰度 119
7.1.2 色相旋轉(zhuǎn) 121
7.2 美顏效果 125
7.2.1 美白濾鏡 125
7.2.2 磨皮濾鏡 129
7.2.3 瘦臉濾鏡 134
7.2.4 大眼濾鏡 139
7.3 總結(jié) 142
第3部分 Web AI進(jìn)階
第8章 計(jì)算方案 146
8.1 基本概念 146
8.1.1 多線程 147
8.1.2 SIMD 147
8.1.3 CPU與GPU 148
8.2 計(jì)算方案介紹 149
8.2.1 PlainJS計(jì)算方案 150
8.2.2 WebGL計(jì)算方案 151
8.2.3 WebGPU 計(jì)算方案 154
8.2.4 WebAssembly計(jì)算方案 159
8.2.5 NodeGL計(jì)算方案 161
8.2.6 Web Worker在Paddle.js上的應(yīng)用 161
8.3 計(jì)算方案對(duì)比 168
8.4 總結(jié) 169
第9章 性能優(yōu)化 170
9.1 算子融合 170
9.2 向量化計(jì)算 174
9.3 多線程 179
9.4 總結(jié) 186
第10章 Web AI應(yīng)用安全 187
10.1 安全問題與安全目標(biāo) 187
10.1.1 安全問題 188
10.1.2 安全目標(biāo) 190
10.2 前端安全技術(shù) 191
10.2.1 加解密方案 191
10.2.2 代碼安全 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 離線部署 201
10.3.3 在線推理 202
10.4 總結(jié) 203
第11章 Web AI的發(fā)展趨勢(shì) 205
11.1 Web AI的六大能力 205
11.2 技術(shù)展望 209
11.2.1 Web AI的標(biāo)準(zhǔn) 209
11.2.2 Web AI中的端云協(xié)同 210
11.3 總結(jié) 212
第12章 未來已來 213
12.1 大語言模型簡介 215
12.1.1 什么是GPT 216
12.1.2 超大語言模型帶來的能力躍升 219
12.1.3 GPT-4的又一次生長 221
12.1.4 回答準(zhǔn)確性和可解釋性 222
12.2 前端和大語言模型 223
12.2.1 提示語是一切的核心 224
12.2.2 學(xué)會(huì)如何與GPT交流 230
12.2.3 用GPT優(yōu)化工作流 233
12.3 關(guān)于未來的暢想 242
12.4 給前端工程師的建議 246
書單推薦
