疫情期间参加了百度飞桨的深度学习课程,可以说收获了不少校内没有学到的知识,尤其是一些实战经验(很高兴看到疫情期间国内陆续又有了几家开源的深度学习框架作为最早开源国产深度学习框架,paddlepaddle已经更新到了1.7版本,不过目前还不支持CUDA10.2,但一些免费的深度学习课程着实不错,深入浅出,干货满满,而且ai studio上还有GPU算力卡,Tesla V100的 )。
图像识别基本框架
测量空间--------->特征空间--------->类别空间
无论是通过深度学习进行场景识别、目标识别还是人脸识别都离开对特征的学习,先从测量空间得到特征表示,之后进行类别的特征匹配以得到结果
而具体操作基本是一下几步:
- 模型搭建 ,设计网络的层数以及每层的神经元个数,同时注意需要激活函数来将线性函数->非线性函数,常见的有
sigmoid
,relu
,输出层常用softmax
; - 求损失函数 一般是交叉熵;
- 参数学习 一般选择梯度下降,或者反向传播;
- 全新的 KaTeX数学公式 语法;
- 增加了支持甘特图的mermaid语法1 功能;
- 增加了 多屏幕编辑 Markdown文章功能;
- 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能,功能按钮位于编辑区域与预览区域中间;
- 增加了 检查列表 功能。
PaddleHub
PaddleHub是飞桨预训练模型管理和迁移学习工具
安装:
pip install paddlehub
安装模型:
hub install [modelname]
查看已安装模型:
hub list
查看本地已安装模型的属性,包括其名字、版本、描述等信息:
hub show [modelname]
通过关键字在服务端检索匹配的模型:
hub search ssd
最厉害的一点功能是一键模型转服务:
只需简单一行命令即可完成模型的HTTP服务部署
hub serving start -m resnet_v2_50_imagenet -p 8867
接口url格式为:http://0.0.0.0:8866/predict//其中,为text或image,与模型种类对应,为模型名。