机器学习实战：模型构建与应用

本书讲解TensorFlow生态系统中可用的API，以训练各种任务模型，重点讲解这些模型部署到许多不同方面。 TensorFlow Lite是完善TensorFlow的工具集，达到了两个主要目的。 第一个是让模型更加移动友好。这通常涉及降低它们的大小和复杂度，同时尽量不影响其准确率，让它们在电池受限的环境（例如，一个移动设备）中能更好地工作。 第二个是为不同的移动平台提供运行时，平台包括Android、iOS、移动Linux（例如，Raspberry Pi），以及各种各样的微控制器。注意，你无法使用TensorFlow Lite来训练模型。你的工作流是使用TensorFlow来训练它，在使用TensorFlow Lite解释器加载和运行它之前，将它转换为TensorFlow Lite的格式。 其他 值得注意的是，从2.1版本开始，这将默认安装GPU版本的TensorFlow。 PyCharm有许多优点，但是我最喜欢的是它让虚拟环境的管理变得简单。

本书内容丰富，结构合理，难度适中。是了解机器学习和深度学习的不二之选。同时，本书涉及到大量的tensorflow和计算机视觉，自然语言处理和时间序列分析可为从事相关领域的人提供参考。机器学习模型的部署是本书的一大特色，特别推荐。