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

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！