• Bücher
  • KI und ML
  • TensorFlow
  • Intelligente mobile Projekte mit TensorFlow. 10+ KI-Anwendungen, die mit den Plattformen TensorFlow Mobile und TensorFlow Lite für iOS, Android und Raspberry Pi erstellt wurden.
Intelligente mobile Projekte mit TensorFlow. 10+ KI-Anwendungen, die mit den Plattformen TensorFlow Mobile und TensorFlow Lite für iOS, Android und Raspberry Pi erstellt wurden.
A

Intelligente mobile Projekte mit TensorFlow. 10+ KI-Anwendungen, die mit den Plattformen TensorFlow Mobile und TensorFlow Lite für iOS, Android und Raspberry Pi erstellt wurden.

TensorFlow
TensorFlow mobile development machine learning iOS Android Raspberry Pi deep learning
Autor
Jeff Tang
Verlag
DMK Press
Jahr
2019
Sprache
Russisch
131
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Anirad, K. et al. - Künstliche Intelligenz und Computer Vision. Praktische Projekte mit Python, Keras und TensorFlow (O’Reilly-Bestseller) - 2023

Anirad, K. et al. - Künstliche Intelligenz und Computer Vision. Praktische Projekte mit Python, Keras und TensorFlow (O’Reilly-Bestseller) - 2023

K. Anirad

JavaScript für Deep Learning mit TensorFlow.js

JavaScript für Deep Learning mit TensorFlow.js

François Chollet, Eric Nielson, Stan Bileschi, Shengqing Cai

Entwicklung von Machine-Learning-Pipelines. Automatisierung von Modelllebenszyklen mit TensorFlow

Entwicklung von Machine-Learning-Pipelines. Automatisierung von Modelllebenszyklen mit TensorFlow

Hapke H., Nelson K.

Reinforcement-Learning-Algorithmen in Python. Beschreibung und Entwicklung von KI-Algorithmen

Reinforcement-Learning-Algorithmen in Python. Beschreibung und Entwicklung von KI-Algorithmen

Andrea Lonza

Einführung in PyTorch: Deep Learning für die Verarbeitung natürlicher Sprache

Einführung in PyTorch: Deep Learning für die Verarbeitung natürlicher Sprache

Delip Rao, Brian McMahan

TinyML. Das Kochbuch

TinyML. Das Kochbuch

Gian Marco Iodice

Deep Learning mit fastai und PyTorch: Minimal Formeln, Minimal Code, Maximale Effizienz

Deep Learning mit fastai und PyTorch: Minimal Formeln, Minimal Code, Maximale Effizienz

Jeremy Howard und Sylvain Gugger

Anwendung neuronaler Netze zur Verarbeitung von Multimedia-Inhalten (100 Beispiele in Python)

Anwendung neuronaler Netze zur Verarbeitung von Multimedia-Inhalten (100 Beispiele in Python)

S.A. Molodjakow

Ray lernen. Flexible verteilte Berechnungen mit Python im maschinellen Lernen

Ray lernen. Flexible verteilte Berechnungen mit Python im maschinellen Lernen

Max Pumpherla, Edward Oakes, Richard Liao