本书适合那些对人工智能感兴趣，且具备一定移动终端应用程序开发经验的读者。如果您掌握一定的JAVA 、C++或Python语言开发知识，同时具备Android操作系统或IOS操作系统的应用的开发经验，将能迅速掌握基本的移动终端人工智能应用开发方法。如果您只是对人工智能技术感兴趣，相信本书也能带您了解人工智能技术是如何在移动终端上部署和运行的。

前言
第1章 移动终端人工智能技术概述
1.1 人工智能技术发展概况
1.1.1 人工智能技术的发展历程
1.1.2 数据和算法成为主要驱动力
1.1.3 人工智能技术的应用趋势
1.2 机器学习与软件框架技术概述
1.2.1 机器学习
1.2.2 深度学习
1.2.3 深度学习为多个应用技术领域
　带来突破
1.2.4 自动化机器学习
1.2.5 算法与模型
1.2.6 训练与推理
1.2.7 深度学习框架
1.3 移动终端人工智能应用
1.3.1 AI移动终端快速发展
1.3.2 移动终端的典型AI应用
1.3.3 移动终端的AI推理
1.4 小结
参考文献
第2章 移动终端人工智能技术架构
2.1 移动终端人工智能技术的特点和
　分层架构
2.2 各层功能概述
2.2.1 应用层
2.2.2 框架层
2.2.3 驱动层
2.2.4 硬件层
2.3 小结
参考文献
第3章 神经网络模型
3.1 神经网络模型概述
3.1.1 神经网络算法
3.1.2 神经网络模型的构成
3.1.3 获取移动终端神经网络
　模型
3.2 典型神经网络模型介绍
3.2.1 图像分类
3.2.2 目标检测
3.2.3 图像分割
3.2.4 其他神经网络模型简介
3.3 小结
参考文献
第4章 移动终端推理框架
4.1 推理框架的工作原理
4.1.1 神经网络模型转换原理
4.1.2 深度学习编译器执行原理
4.2 推理框架的工作流程
4.2.1 模型转换
4.2.2 数据预处理
4.2.3 执行推理
4.2.4 结果输出
4.3 主要移动终端推理框架介绍
4.3.1 TensorFlow Lite
4.3.2 PyTorch Mobile
4.3.3 Paddle Lite
4.3.4 VCAP
4.3.5 高通SNPE
4.3.6 华为HiAI Foundation
4.3.7 旷视天元
4.3.8 苹果Core ML框架
4.3.9 其他深度学习推理框架
4.4 小结
参考文献
第5章 深度学习编译器
5.1 深度学习编译器的概念
5.1.1 传统编译器
5.1.2 移动端深度学习编译器
5.2 主流编译器介绍
5.2.1 Android神经网络接口
　NN API
5.2.2 高通SNPE编译技术
5.2.3 华为HiAI Foundation编译
　技术
5.2.4 百度Paddle Lite编译技术
5.2.5 其他深度学习编译器
5.2.6 不同深度学习编译器的
　差异
5.3 小结
第6章 移动终端AI推理应用开发
　过程
6.1 总体开发过程
6.2 需求阶段
6.3 设计阶段
6.4 编码开发阶段
6.5 调试阶段
6.5.1 功能调试
6.5.2 性能调试
6.6 小结
第7章 移动终端推理应用开发
　实例
7.1 基于TensorFlow Lite框架的
　图像分类应用
7.1.1 创建工程
7.1.2 模型转换
7.1.3 模型推理
7.1.4 结果展示
7.2 基于PyTorch Mobile框架的应用
　实例
7.2.1 创建工程
7.2.2 模型转换
7.2.3 模型推理
7.2.4 结果展示
7.3 基于Paddle Lite引擎的应用
　实例
7.3.1 创建工程
7.3.2 模型转换
7.3.3 模型推理
7.3.4 结果展示
7.4 基于vivo VCAP引擎的应用
　实例
7.4.1 创建工程
7.4.2 模型转换
7.4.3 模型推理
7.4.4 结果展示
7.5 基于高通SNPE引擎的图片分类
　应用
7.5.1 创建工程
7.5.2 模型转换
7.5.3 模型推理
7.5.4 结果展示
7.6 基于华为HiAI Foundation的图片
　分类应用
7.6.1 创建工程
7.6.2 模型转换
7.6.3 模型推理
7.6.4 结果展示
7.7 基于苹果Core ML引擎的应用
　实例
7.7.1 创建工程
7.7.2 模型转换
7.7.3 模型推理
7.7.4 结果展示
7.8 基于旷视天元的应用实例
7.8.1 创建工程
7.8.2 模型转换
7.8.3 模型推理
7.8.4 结果展示
7.9 基于MNN引擎的应用实例
7.9.1 创建工程
7.9.2 模型转换
7.9.3 模型推理
7.9.4 结果展示
7.10 小结
第8章 AI应用性能调试
8.1 AI应用性能调试方法
8.2 AI应用性能测试负载
8.3 AI应用性能评价指标
8.3.1 模型类指标
8.3.2 通用指标和硬件性能指标
8.4 AI应用推理性能差异
8.5 AI应用性能优化
8.6 小结
第9章 移动终端的AI推理性能
　评价
9.1 不同移动终端间的AI性能基准
　测试
9.2 AI基准测试应用介绍
9.3 小结
第10章 移动终端AI技术发展
　趋势
10.1 技术发展趋势
10.1.1 移动终端的AI训练
10.1.2 移动终端的联邦学习
10.2 产品发展趋势
10.2.1 智能语音终端
10.2.2 自然语言处理终端
10.2.3 智能机器人产品
10.2.4 智能无人机
10.2.5 智能家居产品
10.2.6 智能医疗产品
10.2.7 智能安防产品
10.2.8 智能交通产品

1.本书是一本介绍移动终端人工智能应用开发和性能评测的工具书，包含了移动终端人工智能技术架构、神经网络模型、AI推理框架和深度学习编译器等内容，汇聚了多个主流供应商的移动终端AI技术框架和工具，通过应用实例系统地阐述了移动终端AI应用的开发、调试，以及AI应用性能的专业评测方法。对于移动终端AI应用开发者和爱好者是一本不错的入门指南；
2.读者可从机械工业出版社华章分社图书网站下载书中实例源代码：http://www.hzbook.com。