譯者序

移動端人工智能和機器學習（On-Device AI and Machine Learning）是指把人工智能和機器學習的應用放在移動端來做。這里的“移動端”是相對于云服務而言的。它可以是手機，也可以是IoT（物聯網）設備等。

由于模型大小、計算能力等方面的問題，傳統的機器學習很多都是放在服務器端做的，服務器端一般安裝有計算能力強勁的Nvidia GPU。而隨著以手機為代表的移動端算力的提高，以及模型設計本身的改進，能力更強的模型逐漸能夠部署到移動端上運行。

2017年5月，Google在年度I/O大會上宣布會推出TensorFlow Lite，其運行在下一代Android系統將會新增的Neural Network API之上，使得開發者可以將TensorFlow深度學習框架創建的模型移植到移動端上運行。

Apple在2017 WWDC大會上宣布更新iOS 11時一并推出了面向開發者的全新機器學習框架——Core ML，聲稱能讓本地數據處理更加方便快捷。據介紹，Core ML提供支持人臉追蹤、人臉檢測、地標檢測、文本檢測、條碼識別、物體追蹤、圖像匹配等任務的API。

由上述內容可以看到，兩大移動設備操作系統提供商Google和Apple，以及深度學習框架社區，都為On Device AI做了很多準備，而且從GitHub和國內外的開發者博客上，我們可以看到非常多的基于Core ML、TensorFlow Lite等深度學習框架的移動端應用案例，其體現了開發者對這個趨勢的極大熱情。無論我們是哪個移動平臺的開發者，都應該清晰地認識到這個趨勢，及時點亮自己的技能點，為用戶提供更智能、更人性化的應用。

現在移動設備已成為大多數人的主要計算設備，移動開發者掌握AI技能在職業生涯中至關重要。本書是你在iOS和Android等流行移動平臺上創建和運行AI模型的指南。

本書作者在Google領導AI Advocacy。本書詳細介紹了機器學習的技術和工具，引導你使用ML Kit、TensorFlow Lite和Core ML等工具編寫由常見模型（如計算機視覺和文本識別）驅動的Android和iOS應用程序。如果你是一名移動端應用開發者，那么本書會極大地幫助你加入當今的機器學習革命。

作者還在GitHub上發布了本書的示例代碼（參見https://github.com/lmoroney/odmlbook）。讀者可以直接下載編譯，極為便利。譯者目前在比利時某科研機構從事嵌入式實時人工智能、計算機視覺和深度學習異構平臺上的編程框架等方面的研究工作，雖然在機器學習和計算機視覺方面有多年研究和開發經驗，但由于本書中所涉及的專業術語與概念大部分尚無公認的中文譯法，因此我們參考了一些網絡上和研究論文中常用的譯法。在翻譯過程中，雖然我們力求準確反映原著內容，但由于水平有限，錯誤或者遺漏之處懇請讀者批評指正。讀者可以通過電子郵件songnh@outlook.com和我們取得聯系。

最后感謝機械工業出版社編輯的大力支持，他們為保證本書的質量做了大量的編輯和審校工作，在此深表謝意。

宋能輝