移动端机器学习实战

第9章　接下来做什么

如今，对于已经生产的大多数数码产品来说，手机已经成为默认消费媒介。随着数据消耗量的增加，我们必须尽快将结果提供给用户。比如，当你滑动Facebook和更新页面时，根据你的兴趣，从你的朋友那里加载你喜欢的很多内容。因为用户花费的时间非常有限，所以在服务器端和客户端都运行了许多算法，以根据你在Facebook上的喜好加载和组织内容。如果可以在本地运行所有算法，我们就不需要依赖Internet来更快地加载内容。

只有在客户端的设备上进行处理，而不是在云端进行处理，才有可能这样做。随着移动设备处理能力的提高，鼓励我们在移动设备本地运行所有机器学习模型。有很多服务可在客户端的设备上进行处理，比如，从照片中识别人脸（如Apple的Face ID功能），该功能在本地设备上使用了机器学习。

虽然现在很多技术都很流行（比如，人工智能、增强现实、虚拟现实、区块链和机器学习），但是机器学习的增长速度比其他技术快很多，并且在所有领域都有典型的用例。为了得到期望的结果，机器学习算法目前已广泛应用于图片、文本、音频以及视频。

如果你是一名初学者，那么可以通过使用各种免费和开源的框架开始你的学习之旅。如果你担心自己不能够构建一个模型，那么可以先从Firebase和Google的ML Kit开始做起。当然，也可以使用TensorFlow构建自己的模型，并将它转换为Android使用的TensorFlow Lite模型和iOS使用的Core ML模型。

本章将会介绍以下内容：

• 之前项目的简单回顾；
• 基于机器学习的流行的云服务；
• 当构建首个基于机器学习的移动应用程序时，需要从哪里开始做起。

9.1　温故而知新

本书介绍了7款每天都能用到的、实时的移动应用程序。

第1章介绍了基于机器学习的基本应用程序，以及自己构建模型的基础知识。 ...