30、深度学习与计算机视觉技术要点解析

深度学习与计算机视觉技术要点解析

1. 基础概念与评估问题解答

1.1 计算机视觉任务判断

在计算机视觉领域，有一些常见的任务，如对与查询相似的图像进行网络搜索、从图像序列进行 3D 场景重建等。而视频角色的动画制作并不属于计算机视觉任务，它属于计算机图形学领域。不过，如今计算机视觉算法正越来越多地帮助艺术家更高效地生成或制作动画内容，例如动作捕捉方法，它记录演员的动作并将其转移到虚拟角色上。

1.2 感知机激活函数

原始感知机使用的激活函数是阶跃函数。

1.3 手写数字识别网络调整

若要训练一个方法来检测手写数字是否为 4，需要对原本用于识别 0 - 9 数字图片的分类网络进行调整。原网络需要在 10 个类别中预测正确的类别，因此输出向量有 10 个值。而检测是否为 4 是一个二分类任务，网络应被修改为仅输出两个值。

2. 深度学习框架相关问题

2.1 Keras 与 TensorFlow 的关系

Keras 被设计为其他深度学习库的包装器，以简化开发过程。在 TensorFlow 2 中，通过 tf.keras 实现了与 Keras 的完全集成，使用这个模块创建模型是最佳实践。

2.2 TensorFlow 使用图的原因及创建方法

TensorFlow 依赖图来确保模型的性能和可移植性。在 TensorFlow 2 中，手动创建图的最佳方法是使用 tf.function 装饰器。

2.3 急切执行模式与惰性执行模式