移动平台深度神经网络实战：原理、架构与优化

这是一本讲解怎么养大象，以及如何把大象装进口袋里的实战书。 深度学习的出现和应用，把许多科幻小说中预言的机器智能变成现实，也助力计算机将海量数据处理能力转化为更深层的解构、洞察和创造力，进而提供更加人性化的服务。在深度学习炸裂式发展的背后，是无数科研工作者对算法网络的不断改善和工程师们夜以继日的努力，才将这些成果转化为更多人触手可及的力量。 然而深度学习并不是一门程序语言或者一个编程框架，而是一个知识体系。对于有志进入这个领域发展的人来说，这个名词所代表的数学知识和计算机技术，以及将这些概念转化为应用所牵涉的框架和体系，恰如一只身躯庞大、威力无穷的大象。它的鼻子、耳朵、四肢、尾巴，每一处都饱含新知，每一处都值得细细琢磨。这很容易让人感觉处处都要学习，无从下手，生出畏惧心来。

这是一本深度剖析深度神经网络在移动平台应用原理、架构与优化的书籍。书中首先介绍了深度学习体系与计算机技术，解释了深度学习模型在移动平台应用的挑战，并介绍了轻量级深度学习模型，如SqueezeNet和MobileNet等。同时，书中还详细介绍了机器学习算法分类与应用，包括分类问题、回归问题、聚类问题等，并介绍了常见的机器学习算法，如K近邻、决策树、朴素贝叶斯、贝叶斯网络、逻辑回归、SVM等。 书中还详细介绍了TensorFlow Lite介绍，这是Google开发的一个轻量级深度学习框架，主要用于移动平台和嵌入式设备上的推断。TensorFlow Lite是TensorFlow的一个模块，但两者是独立的项目，没有共享代码。TensorFlow Lite是一个完整且独立的前向计算引擎框架，它支持一整套核心算子，这些算子都支持浮点输入和量化数据，并且是为移动平台单独优化定制的。 此外，书中还介绍了移动平台性能优化基础，包括模型优化与代码性能优化。代码性能优化又分为指令层面和内存使用层面。在移动平台，由于内存资源有限，CPU也不支持太多线程同时执行，因此，多线程并行执行并不能显著提高计算效