sufish的专栏

深度学习， 神经网络，人工智能应该是当下最火爆的字眼了，随着AlphaGo的一炮走红，仿佛人人都谈论着人工智能， 说话不带DL， CNN这些就落伍了。各大巨头也纷纷在AI领域布局, 目前比较流行的深度学习框架有：谷歌的开源深度学习框架TensorFlowFacebook的开源深度学习框架Torchnet百度的开源深度学习框架Paddle源自伯克利的Caffe基于Theano/Ten...

一般来说我们会在笔记本或者PC上面编写模型和训练代码，准备一些数据，配置训练之后会在笔记本或者PC上面做一个简单验证，如果这些代码数据都OK的话， 然后真正的训练放在计算力更强的的计算机上面执行，一般来说至少有一块或者多块CPU， 有相当的显存和内存，接下来我们就这样实验一下。选择一个支持TensorFlow GPU的计算机当务之急是找到一块可以用于TensorFlow的显卡，TensorFl...

在Object Detection API的示例代码中包含了一个训练识别宠物的Demo，包括数据集和相应的一些代码。 虽然本系列中我们会自己准备数据和脚本来进行训练， 但是在这之前我们还需要安装一些库，配置一下环境。 在配置完成之后，我们可以运行一下这个训练宠物的Demo， 以便检查我们的环境配置是否OK，同时对训练过程有先有个整体的了解，然后我们再准备自己的数据和训练脚本。请确保已经安装好了P...

监督学习和非监督学习在使用机器学习来解决问题之前， 有一个很重要的事情， 就是要问对问题。什么意思呢， 就是说你要能够定量的去描述你想用机器学习来解决的问题，比如说，“我想让计算机辅助医生来诊断癌症” 就不是一个很好的问题描述，如果换成，“我想让计算机从已知的癌症病人的历史病历和体检报告中找到某种规律， 然后从一个患者的病历和体检报告来推测他未来患癌症的可能性” ， 这就是一个很好的问题描述。 ...

在前面的几篇文章中， 我们已经学会了如何使用一个事先训练好的pre-trained model来识别图片中的多种物体， 这很好，也很酷， 即使没有任何机器学习基础的同学也可以做出一个相当专业的应用了，也许有些聪明的同学已经把静态图片识别移植到了视频监控上面，开始监控大门口的人流了呢！通过前面的讲解，我相信给大家打开了一扇新世界的大门， 就像我们之前在开发web应用的时候， 我们可以从开源社区找到...

回顾先来回顾一下我们为了实现一个物体识别器都做了哪些工作：找到Pre-traind Model找到TensorFlow的Android库找到相应的Input Op向Input Op 输入相应格式的数据找到相应的Output Op从Output Op中提取数据并解析是不是有一种很熟悉的感觉， 这个像极了我们使用一个Jar包或者一个Ruby Gem：先下载相应的库， 然后再看文档知...

处理Inference结果在上一课时中，我们已经通过Inference获取到了识别结果，存放在三个数组里：float[] boxes = new float[100 * 4];float[] scores = new float[100];float[] classes = new float[100];那么数据的结构是这样的， 第一个识别物体的类别是classes[0], 分数为sc...

Graph，Op， Tensor在开始输入数据之前，我们先简单讲一下TensorFlow中的一些概念一个 TensorFlow 的计算任务， 叫做Graph， 一个Graph由很多节点（Op）组成， Op通过Tensor获取输入，Op完成计算以后再通过Tensor把输出传递到下一个节点。Tensor一般来说是一个数组（1维或多维），我们用Feed操作将一个Tensor的数据输入到一个Op， ...

Demo在做一件事之前，了解到这件事做成之后的样子是非常重要的，所以我们先来看看我们的应用会做成什么效果我们从相册里面选取一张照片，之后程序就会识别出图片中的物体，我们可以看到在这图上面识别出多个人体，领带， 酒杯和餐桌，并用红色的框标识物体的位置，同时在边框的左上角有识别物体的名称。 注意的是 ‘莱纳德’ 并没有作为一个人体被识别出来，这不是程序的bug， 只是因为这个模型没有办法识别，可...

TensorFlow在本系列文章中，我们选用TensorFlow作为我们进行机器学习的基础框架，大家可以到 TensorFlow官网 查看相关资料和文档。 但是正如在上一篇文章中所说的，我们不需要你具有任何机器学习的基础，所以我们也不会在这里讲解 TensorFlow 的细节， 你只要记住，TensorFlow是一个深度学习的框架，就好像我们开发web应用时使用的Rails 一样。心急的同学可...