0基礎建自己的圖像識別系統2
昨天介紹了怎麼用IBM Watson
來建立自己的圖片識別系統
( 0基礎也能建自己的圖像識別系統)
但是Watson雖然使用方便,
定製化的能力
就比較弱了。
對於希望能給構建的圖像識別系統
增加更多靈活性的同學來說。
TensorFlow
是個不錯的選擇。
到底選哪個合適呢?
Watson和Tensorflow沒法直接比較
Watson是一系列已經構建好的API
而Tensorflow是一個library
如果你知道怎麼用的話,
可以根據項目的需求,
做出各種各樣的調整。
甚至做一個Tensorflow版的水貨Watson。
昨天的案例,
我們也可以通過利用
谷歌的Inception v3 network來做一個翻版
開動了
在開始之前,
你需要先安裝一個Docker。
地址
Docker
有不錯的教程
然後,創建一個 tf_files的文件夾
作為項目的主文件目錄
在 tf_files下面,
再創建test_set 和 training_set
兩個文件夾
然後根據昨天的案例
在training_set 里創建maul 和 vader
這兩個我們需要識別的圖片分類。
將昨天下載的圖片文件
都複製到這兩個分類文件夾里
目錄結構
然後打開docker的終端
用cd命令進入tf_files目錄下
輸入這條命令
下載下面這個Python Script
有了這個Script你之後就可以假裝是個碼農了
然後啟動 docker
Tips
Docker run命令介紹
到此準備工作就結束了
可以開始訓練模型了
驚喜不驚喜?
意外不意外?
重新訓練
再用cd命令
把最新的內容更新
更新完成後
運行一下命令
重新訓練模型
在機器正在忙著訓練的時候,
你要是等不及
可以玩一局王者榮耀
等你打完
塔噠
模型應該訓練好了
然後你就可以運行剛才
下載的Python Script
來進行測試了
如果沒有什麼問題,
你應該會得到差不多這樣的反饋
請注意
Tensorflow返回的數值
是經過標準化之後的數值
他們相加等於1
所以這數字對於某些情況下
可能會誤導你
其實實際並沒有數值顯示的那麼高
結論
總的來說
Watson用起來比Tensorflow
要簡單得多
如果你有錢
項目又不複雜
盡量用Watson
但是如果想要騙到妹子
讓她覺得你不僅僅會修電腦
或者在不懂行的投資人面前裝裝逼
那Tensorflow就太適合了
用Tensorflow搭建的分類器
可以放在你自己的伺服器
或者本機上
這樣就不用付伺服器費用了
以經可能小的成本裝逼
是我的一貫行為準則
AR醬原創,轉載務必註明
※0基礎也能建自己的圖像識別系統
※AR智能遊戲槍全拆解
※曾經的少年天才,現在的機器視覺創業大叔
※AR與AI融合的未來
※裸眼AR不是夢,就是浪費空氣清新劑
TAG:AR醬 |
※一秒識別 2.7 萬本書,「圖書館書童」用圖像識別解決圖書館盤點難題
※計算機識別方向:人臉圖像的檢測與識別
※基於深度學習的圖像目標識別預測
※全球冠軍!阿里AI圖像識別競賽:1600萬圖片識別率高達82.54%
※圖像識別的前世今生
※98%都認錯,圖像識別AI遇上對抗性圖像竟變「瞎子」
※由文本生成人臉圖像——T2F
※2019世界大學生超算競賽宣布啟動 賽題含AI圖像識別
※識別特定圖像的AI玻璃來了,未來或可用於人臉識別
※創維液晶電視42E600F有圖像無伴音輸出檢修
※一個提升圖像識別準確率的精妙技巧
※圖像識別AI遇上對抗性圖像變「瞎子」,準確率猛降90%
※圖像識別技術研發商海深科技獲得4000萬元A輪融資
※圖像分析
※我們不該相信神經網路來分析圖像的1000個理由!
※CVPR 2019|圖像壓縮重建也能抵禦對抗樣本,這是一種新的防守策略
※2019科研路,從做好一張學術圖像開始!
※為損失函數定個框架,碼隆CVPR 2019提出圖像檢索新範式
※魅族15和15PLUS真的要來了:實際操作的真機上手圖像和高清渲染圖
※秒懂:零售業中的圖像識別