论泥石流是怎么熬成的——我在飞桨学习图像分类（opencv）的心得与体验

前言

大家好，我是行远见大。欢迎点开这篇文章，这是我第一次在优快云投稿，这篇文章主要记载了我在飞桨学习图像分类的心得与体验。

我本科学商科，今年年初才刚刚接触人工智能，是一枚刚学不到三个月零基础编程小白，文中若有勘误还请各位大佬指正。

我的口号是：知识分享是一种美德，让我们向开源致敬！

你还可以在以下途径找到我：B站UP主：行远见大，AI Studio：行远见大。

本文首发在AI Studio平台上。

目录

• Part1：满满干货，收获多多
• Part2：灌水有助于消化干货
• Part3：泥石流是怎么熬成的
• Part4：图像分类发展史

Part1：满满干货，收获多多

论泥石流是怎么熬成的？

众所周知，大学里的公选课最水了，就如同我家楼下的潮汕粥铺的海鲜粥。

我吐槽那海鲜粥又贵又稀，结果老板回我一句，你难道不知道物以稀为贵！

但今日飞桨的陆平老师的图像分类课，满满的都是干货，那具体有多干呢？

那就好比是块砖头，又干又硬，啪的过来了很快啊，我没有闪被砸晕过去。

这课刚上了十分钟，我已经从知其然而不知其所以然，来了个托马斯回旋。

“行远见大，还记得多少？”“回陆平老师，我只记得一大半”“ 那么现在呢？”

“已经剩下一小半了”“那，现在呢？”“回老师，我已经把所有的全忘记了！”

全忘记了，这可不好！可是这课太干，即使吃了健胃消食片也难以消化啊！

那怎么办？很简单——灌水！又干又硬的砖头遇到水，调一调，搅拌一下。

Duang~泥石流就这样熬成了！

Part2：灌水有助于消化干货

知识点太多，难以消化，别急，我带着图像分类流程示意图赶来了！一张流程示意图轻松理顺图像分类。

简单来说，先使用卷积神经网络提取图像特征，然后再用这些特征预测分类概率，根据训练样本标签建立起分类损失函数，开启端到端的训练，如下图所示：

图像分类流程示意图

具体而言，如这20页PPT所示：

Part3：泥石流是怎么熬成的

学习完本章第一节和第二节的内容，现在让我们来看看代码。

砖头加水放入丹炉，用离火熬成泥石流

代码实践——以MNIST手写数字识别为例

本文使用LeNet-5网络完成MNIST手写数字识别图片的分类。
若有代码的详细运算输出需求，运行我在AI Studio平台发布的