<input id="0qass"><u id="0qass"></u></input>
  • <input id="0qass"><u id="0qass"></u></input>
  • <menu id="0qass"><u id="0qass"></u></menu>

    人工智能能力提升指導總結

    基礎知識

    1. 傳統圖像處理基本知識
      傳統圖像處理基本知識可以明白為什么卷積神經網絡是有效的。
    2. 數學統計基礎可視化學習

    人工智能自學之路

    直接參考這個路線: 人工智能能力構建和模型調參經驗分享

    1. 人工智能、機器學習、深度學習的關系

    博文鏈接

    2. 數據集—需求

    所有人工智能數據集總結

    加拿大高級研究所CIFAR-X 系列數據集解析

    1. CIFAR-10
      CIFAR-10數據集包含10個不同類,的60,000張32x32彩色圖像,有50000個訓練圖和10000個測試圖。

    2. CIFAR-100
      Cifar-100數據集包含有100個類,的60000張32X32彩色圖片,每個分類包含500-1000,600張圖片500-100。

    3. Tiny Images: 該數據集由79,302,017個圖像組成,每個圖像為32x32彩色圖像(500G);

    4. ImageNet-ILSVRC(Large Scale Visual Recognition Challenge)
      AI研究員Fei-Fei Li,手工注釋了超過1400萬個圖像,并且在至少100萬個圖像中,還提供了邊界框。
      ImageNet包含超過20,000個具有典型類別的類別,88、3232和64*64。

    5. COCO 數據集
      COCO數據集是微軟團隊獲取的一個可以用來圖像識別、分割、標注,數據集.
      330K圖像、80個對象類別、每幅圖像有5個標簽、25萬個關鍵點

    3. 深度學習平臺比較

    https://en.wikipedia.org/wiki/Comparison_of_deep-learning_software

    4. 訓練過程可視化

    https://playground.tensorflow.org/
    很好用:https://cs.stanford.edu/people/karpathy/convnetjs/
    http://vision.stanford.edu/teaching/cs231n/index.html
    http://neuralnetworksanddeeplearning.com/chap4.html
    http://colah.github.io/posts/2014-03-NN-Manifolds-Topology/

    5. 經典訓練案例

    通過python 訓練 mnist:
    TensorFlow: MNIST for beginners step by step:
    Handwritten Digit Recognition using Convolutional Neural Networks in Python with Keras


    訓練通用規則

    1. 設置目標

    基于CIFAR-10數據集,訓練一個簡單CNN網絡;保存訓練好的模型,測試;使用GPU訓練;

    2. 準備數據集

    所有人工智能數據集總結
    加拿大高級研究所CIFAR-X 系列數據集解析

    找數據,打標簽,數據增強,預處理,現在一般都直接用現有的數據;例如:CIFAR-10

    3. 模型搭建

    定義網絡—設置損失函數,優化迭代方法

    常見模型
    常見損失函數
    常見優化方法

    4. 訓練網絡與測試

    實際的和標簽的差就是loss

    這里看PPT:李宏毅一天搞懂深度學習

    5. 保存模型

    • cfair10.pth(pytorch)
      多 GPU 訓練的方法是使用 torch.nn.DataParallel

    • model.ckpt:—>>>checkpoint
      xxx.ckpt.data-0000-of-00001 權重;
      xxx.ckpt.meta 圖結構;
      xxx.ckpt.index 權重節點索引)

    • model_deploy.prototxt (描述了網絡結構和數據集信息);

    • train_iter_100.caffemodel(權重)

    6. 驗證模型

    拿些沒有用過的圖,去用訓練好的模型。

    7. 評價模型的方法

    待上傳

    例如輸出一個模糊矩陣

    參考鏈接

    https://www.jianshu.com/p/e704a6f6e8d3

    ??2020 CSDN 皮膚主題: 技術黑板 設計師:CSDN官方博客 返回首頁
    多乐彩