产品经理也能动手实践的AI（二）- 做个识别宠物的AI

最新推荐文章于 2025-07-28 21:00:00 发布

原创最新推荐文章于 2025-07-28 21:00:00 发布 · 266 阅读

CC 4.0 BY-SA版权

本文是产品经理实践AI系列的第二篇，通过FastAI库，介绍如何创建一个宠物识别模型。核心代码仅3行，实现了94.3%的识别准确率。文章涉及迁移学习、错误率、损失、验证组等概念，并讲解了如何调试模型，包括使用解释器、调整学习率以提高准确率至95.8%。

上一篇《产品经理也能动手实践的AI（一）- FastAI介绍》，介绍了为什么选择FastAI，为什么适合产品经理，为什么值得学习这项技能。而写这篇文章的目标是，看完了之后可以更好的看懂教程中的内容。

概览

直接上例子，核心代码一共3行：

data = ImageDataBunch.from_name_re(path_img, fnames, pat, ds_tfms=get_transforms(),size=224) learn = cnn_learner(data, models.resnet34, metrics=error_rate)learn.fit_one_cycle(4)

640?wx_fmt=png

识别准确率是94.3%，在2012年，宠物识别的准确率才59%

核心步骤

创建图像数据 databunch object
创建学习对象 learn object
开始训练 fit one cycle
调试
1. 保存之前的模型
2. 数据纠错
3. 找到学习率
4. 重新训练

前3个就是训练一个神经网络必要的代码，而之后的那些都是从各个角度去发现问题，然后提高准确率。

这里还有几个重要概念：

迁移学习 transfer learning：类似于大师已经提供了一套学习方法，我们在这基础上训练自己的学习方法；
错误率 error rate：就是验证组数据，预测错误的百分比；
损失 loss：我形象的称为打脸指数，就是越自信，但是却预测错误，那loss就高
验证组 validation set：数据一般分为训练组和验证组，验证组就是用来验证训练好的模型的准确度，验证组的数据是AI没有见过的数据；
过度拟合 overfit：有点类似于牛肉吃多了，吃什么都觉得像牛肉味……我举不出更好的例子了，有想法记得给我留言；
学习率 learning rate：就类似于1个字1个字读→一个个词读→一句句话读，1个个字读就属于小的学习率，比较容易发现更细节的特征点，而大的学习率会发现更宏观的特征点；

详细讲解

这节课的重点是跑通一个模型，并且调试到比较好的效果，最终将准确率提高到了95.8%。

Jeremy专门做了很多函数，可以一键导入数据，而不是在第一节课就制造N多阻碍，所以只要在Jupyter notebook里一步步运行就一定可以跑通，但是每一步或者每一个参数代表什么，是需要在实践的过程中搞清楚的，前3个核心步骤基本看教程都很容易搞懂，不懂的查找文档也很好理解。

这里重点说下调试部分，首先需要保存一下现有训练的结果：

learn.save('stage-1')

然后可以通过2种方式去调节模型，一是创建解释器interpretation，找到异常图片，然后删掉它（下节课才讲如何删）；二是找到合适的学习率learning rate进行微调fine-tuning。

先看解释器，提到了2个函数：plot_top_loss 和 most_confused，第一个是把错的最离谱的图片都打出来，第二个是把猜错次数最多的类别给打出来。这样就非常容易发现问题，比如把出错次数最多的打出来之后，发现这2种狗确实很接近，人的话也不是特别容易区分，这就可能需要单独的大量的图片训练。

然后是fine-tuning，这里是重点！！多强调一下，要想微调，就要搞清楚图像识别的原理，或者叫CNN（convolutional neural network）卷积神经网络的原理，作者拿出了Clarify的CEO发表的一片通过视觉化理解卷积网络的论文，详细介绍了其中的原理。

640?wx_fmt=png

首先第一层的训练，属于学习率特别低的训练，机器找到了边缘的规律，发现这几种颜色的渐变是特别常见的。

640?wx_fmt=png

然后第二层，基于第一层找到的边缘，发现这些边缘的连接，比如直角或者一个弧形是比较有共性的东西。

640?wx_fmt=png

然后第三层，基于第二层发现的线条，发现了各种形状。

640?wx_fmt=png

然后第四层第五层，感觉已经可以识别特定的形状和特定的物体了，随着层级的提高，能识别的共性图像的复杂性也在提高，是因为学习率的提高，机器会选择性的忽略细节，反而更多的关注宏观的相似。

第一次训练用的架构叫做ResNet34，是一个基于上百万张图片训练了34层之后得到的一个通用的图片识别模型。之前的训练就是在这个模型之后增加个4个层，训练之后的结果就已经非常不错了，如果想变得更好，就只能将之前的模型解冻unfreeze，然后连贯起来重新训练，并通过

learn.lr_find()learn.recorder.plot()

找到loss和lr的关系

640?wx_fmt=png

这张图可以看到当learning rate超过 10-4之后，loss明显升高，就说明之前默认的0.003的lr偏高了，所以调整lr

learn.fit_one_cycle(2, max_lr=slice(1e-6,1e-4))

至于为什么调到这个区间，之后的课程会将，而现在就是一个可以充分实践的机会。

最后得出的准确率94.7%，比之前的94.3%只高了一点点，而95.8%的准确率是通过ResNet50来实现的，因为这个pre-train的模型跑了50层，识别率更高，但非常占用计算机性能。

好了，草草的把介绍写完了，很多东西没法一篇文章写完，一方面得自己多动手尝试去感受，另一方面确实有些概念得逐渐理解，希望这篇文章让你对FastAI运作的模式有了一个清晰的认识。