机器学习与C++：实践指南

《机器学习与C++》一书是同类中的首本实践指南，展示了如何在不使用Python的情况下，用纯C++实现机器学习算法。与大多数以Python及其库为核心的ML书籍不同，本书侧重于高性能、底层控制以及将模型嵌入现有C++项目。

本书内容是什么？

作者循序渐进地引导读者从机器学习的基本概念到创建自己的神经网络。您将学习如何：

• 使用Eigen库进行矩阵运算，实现线性回归和逻辑回归；
• 在无外部依赖的情况下构建决策树和随机森林；
• 使用OpenCV进行图像预处理和特征提取；
• 集成TensorFlow C++ API以加载和执行预训练模型；
• 通过多线程（OpenMP）和SIMD指令优化代码；
• 将训练好的模型部署到生产环境——从嵌入式系统到高负载服务器。

本书适合谁？

• 希望将ML纳入自己工具集的C++开发者；
• 从事高性能系统（机器人、金融、游戏、物联网）的工程师；
• 希望理解ML算法内部机制、避免“黑箱”的学生和研究人员；
• 所有厌倦Python、寻求更快更可预测的机器学习解决方案的人。

阅读后您将学到什么？

• 如何从头编写自己的机器学习库；
• 如何利用C++特性（智能指针、移动语义、STL容器）高效处理大量数据；
• 如何分析和加速ML算法：从缓存优化到通过CUDA进行GPU计算；
• 如何将C++ ML模型集成到Web应用程序（通过REST API）或移动应用程序（通过JNI）；
• 真实案例：日志异常检测、股票价格预测、Raspberry Pi上的图像分类。

本书包含50多个现成的代码示例，可供下载。所有示例均在Linux、macOS和Windows系统下的GCC和Clang上测试通过。作者使用现代C++17/20标准，确保代码的时效性和安全性。

如果您想超越Python，学习创建真正快速且紧凑的ML解决方案——这本书就是为您准备的。