本书旨在介绍智能前端开发和深度学习。本书首先介绍了相关的开发环境、前端开发基础知识、深度学习基础知识、前端智能框架和卷积神经网络，然后讲述了线性回归、logistical回归、XOR问题、人体姿态检测：目标检测、光学字符识别等方面的案例，最后讲解了前端智能化案例。
本书适合Web前端开发人员、人工智能开发人员阅读，也可作为计算机相关专业师生的参考用书。

石璞东，西安建筑科技大学硕士研究生，研究方向包括机器学习、Web开发，担任百度飞桨领航团金牌团长和hahaWebsite网站站长。

第1章 开发环境配置
1.1 安装Anaconda
1.2 安装TensorFlow
1.3 安装npm包管理工具
1.4 安装TensorFlow.js的相关包
1.5 使用WebStorm
1.6 使用Google浏览器
1.6.1 注册Chrome Web Store开发者
1.6.2 Google浏览器扩展程序
1.7 使用微信开发者工具
1.7.1 添加微信小程序插件
1.7.2 使用微信小程序插件
1.7.3 发布微信小程序
第2章 前端开发基础
2.1 背景知识概述
2.2 HTML基础
2.2.1 HTML文档基本结构
2.2.2 常用标签
2.3 CSS基础
2.3.1 CSS的3种使用方法
2.3.2 CSS选择器
2.4 JavaScript基础
2.5 与Google扩展程序相关的JavaScriptAPI
2.6 深度学习中的JavaScript
2.6.1 JavaScript数据类型
2.6.2 JavaScript异步编程
2.7 微信小程序开发
2.7.1 微信小程序框架结构分析
2.7.2 页面描述文件
2.7.3 页面样式文件
2.7.4 逻辑层文件
2.7.5 小程序的事件系统
第3章 深度学习概述
3.1 深度学习环境
3.1.1 云端深度学习环境选择
3.1.2 本地深度学习环境搭建
3.2 深度学习框架
3.3 TensorFlow 2基础
3.3.1 数据类型
3.3.2 数值精度
3.3.3 操作和计算图
3.3.4 自动微分和梯度带
3.3.5 广播机制
3.3.6 框架概述
3.4 深度学习基础
3.4.1 BP神经网络
3.4.2 激活函数
3.4.3 softmax函数
3.4.4 损失函数
3.4.5 梯度下降算法
3.4.6 反向传播
第4章 TensorFlow.js框架详解
4.1 TensorFlow.js框架概述
4.2 TensorFlow.js低阶API详解
4.2.1 张量操作方法
4.2.2 数学运算
4.3 TensorFlow.js高阶API详解
4.3.1 构建模型
4.3.2 模型配置
4.3.3 模型训练
4.3.4 模型评估
4.3.5 模型转换
4.4 TensorFlow.js Vis库详解
4.4.1 Visor接口方法介绍
4.4.2 模型可视化
4.4.3 数据可视化
4.4.4 模型评价指标
4.5 其他API
4.5.1 数据操作
4.5.2 浏览器操作
4.5.3 性能优化
4.5.4 正则化
4.5.5 早停法
第5章 卷积神经网络
5.1 卷积神经网络概述
5.2 卷积层
5.3 池化层
5.4 轻量级的卷积神经网络
5.4.1 SqueezeNet
5.4.2 MobileNetV
5.4.3 ShuffleNetV
5.4.4 Xception
第6章 TensorFlow.js基础案例
6.1 线性回归
6.1.1 案例简介
6.1.2 代码实现
6.2 logistical回归
6.2.1 案例简介
6.2.2 代码实现
6.3 XOR问题
6.3.1 案例简介
6.3.2 代码实现
6.4 加载与应用MobileNet模型
6.4.1 案例简介
6.4.2 代码实现
6.5 《你画我猜》（MNIST手写数字版）
6.5.1 案例简介
6.5.2 代码实现
第7章 TensorFlow官方数据集实战
7.1 boston_housing数据集与实战案例
7.1.1 数据集介绍
7.1.2 房价预测实战
7.2 与CIFAR-10数据集相关的实战案例
7.2.1 数据集介绍
7.2.2 在Anaconda3 Jupyter Notebook中加载数据集
7.2.3 在Kaggle中导入CIFAR-10数据集
7.2.4 从本地导入CIFAR-10数据集
7.3 与CIFAR-100数据集相关的实战案例
7.3.1 数据集介绍
7.3.2 数据集展示
7.4 与MNIST数据集相关的实战案例
7.4.1 数据集介绍
7.4.2 数据集展示
7.5 与Fashion_MNIST数据集相关实战案例
7.5.1 数据集介绍
7.5.2 数据集加载
7.6 基于CNN的MNIST手写数字识别
7.6.1 自定义网络模型
7.6.2 微信小程序部署
第8章 基于CNN的常见水果分类识别
8.1 数据集介绍
8.2 数据集标注
8.3 数据预处理
8.3.1 数据文件读取
8.3.2 文件解码
8.3.3 文件数据类型转换
8.3.4 数据归一化
8.4 模型概览
8.5 模型设计
8.6 模型配置
8.7 模型训练
8.8 模型评估
8.9 模型部署
8.9.1 在微信小程序中加载模型
8.9.2 在Google浏览器中加载模型
第9章 基于PoseNet的人体姿态检测
9.1 项目概述
9.2 项目初始化
9.2.1 添加camera组件
9.2.2 添加canvas对象
9.3 模型加载
9.4 姿态检测
9.5 预测结果绘制
9.6 效果展示
第10章 基于Coco SSD的目标检测
10.1 项目概述
10.2 项目初始化
10.2.1 添加camera组件
10.2.2 添加canvas对象
10.3 模型加载
10.4 目标检测
10.5 预测结果绘制
10.6 效果展示
第11章 OCR技术
11.1 OCR技术概述
11.2 OCR工具推荐
11.3 微信OCR
11.3.1 插件配置信息
11.3.2 页面结构设计
11.3.3 页面逻辑功能
11.4 Google扩展程序OCR