摘要：今天笔者就介绍一个不用编程就能训练出深度学习定制模型的方法。答案是，是本人开发的，自认为做得比百度好，关键是从入库到训练，识别，完全不用编程。。。
近年来基于深度学习的人工智能非常火。提起人工智能都觉得是高大上，好像离普通人很远，更别说训练出定制模型了。唔，不知道什么是模型，为什么要定制？好吧，你可以想象模型就是一个人， 刚开始啥也不懂，使用教材（或者说样本）教他，他就能学会识别不同的物体。使用不同的教材（样本）就能教出不同的人。 至于为什么要定制，两个原因：
专业领域需要更为细致的分类。 比如，通用物体样本训练出来的模型，可能能识别数千种常见物品，它能区分出苹果和梨， 但是不太可能区分出好苹果和坏苹果。
深度学习模型非常敏感，背景，颜色，光线，角度，模糊程度的轻微变化就可能导致识别率下降或者失效。能识别数千种物体的通用模型，往往在专用物体识别上不太好用。
今天笔者就介绍一个不用编程就能训练出深度学习定制模型的方法。 为了吸引眼球，今天我们就训练一个能区分美女和野兽的模型来。
训练之前，我们首先需要收集对应的样本。 美女图片好收集，百度或者google上点击图片, 输入关键词"美女"，大把：
然后点击浏览器的文件->另存为， 就可以存下整个HTML，包括图片（在子目录里面）。
比较麻烦的是野兽的图片，输入关键词"野兽"通常搜出来的是"beauty and beast"剧照或者卡通形象。 没办法，我们折中下， 分别搜"老虎""狮子""豹""狼"和"野生动物"这5个关键词，搜出来的图片都作为野兽一类，拿来进行训练。
最终我们存的目录结构如下：
通常我们每一类的图片在200张左右最合适。我们这里仅仅是一个demo，美女类大概下载了60张，野兽类大概200张。
好了， 我们的图片已经收集完毕， 这时我们需要删除子目录下所有非jpg文件，便于后面选择并上传图片。
下面我们就可以上传图片，并启动模型训练了。 浏览器中打开http://www.ai1to1.com 点击登录。没账户的请先注册一个账户。 等等，可能有人问，这是个什么鬼网站？ 为什么不用百度AI？他们也有定制模型训练。 答案是，ai1to1是本人开发的，:)自认为做得比百度好，关键是从入库到训练，识别，完全不用编程。。。具体去网站首页看吧。 有人说，大言不惭！ 看到这里，希望管理员大人不要认为这是广告而删除本文，因为往下看，确实有干货的。 :)
言归正传，我们登录ai1to1，首先需要创建项目：
这里最关键的是需要"创建分类"，建立2个类别，因为我们只有美女和野兽两类。 分类分别就是0,和1。
然后我们进入图片管理上传图片， 需要选择项目和类别分别上传：
大部分人可能都知道，选择文件时， CTRL+A就可以选择所有目录下的文件，或者鼠标选择时按住CTRL键，就可以多带带选择文件。
这里我们上传美女图片到分类0, 其他图片上传到分类1。请记住这个对应关系，因为后面识别时，服务器只会返回索引0或者1。
上传完毕，我们就可以启动训练了：
首先启动trainServer(点击对应"前往")，得到响应：{"ret":"OK","error":""}
然后启动train，得到响应：{"ret":"OK"}
检查训练进度：
{"stopped":false,"loss":0.07083519548177719,"trainSeconds":36.359,"error":"","ret":"OK"}
等待loss稳定在0.001以下时，我们就可以停止训练(点击停止trainServer)：
{"stopped":false,"loss":0.0008496259688399732,"trainSeconds":655.577,"error":"","ret":"OK"}
一共训练了大概10分钟。
好吧， 我们训练完成了， 现在进行最激动人心的检测阶段。
首先"启动detectServer"，得到响应：{"ret":"OK","error":""}
然后"通过web页面识别"，输入上个截图里面的projectid和servicekey：
这时我们从百度图片里面搜一张前面没有的美女图片， 然后上传，点击识别，得到响应：
time cost:882ms, result:{"balance":1998,"topList":[{"index":0,"probability":0.924784779548645},{"index":1,"probability":0.07402833551168442}],"error":""}
记得我们前面说过，0代表美女，1代表野兽。 这里的美女识别可能性高达92%， 说明这个定制模型还是相当不错的。 :)
我保留了截图里的projectid:17和servicekey:1bc6c6bb-f19a-4d97-b810-70c5d53eb524，大家也可以上传一张美女或者野兽的图片， 测试下这个定制模型是否好用？ 当然， 你们也可以自己注册一个帐号，定制自己的模型，而且是免费的！
有人说，如果我上传一张男人的图片，会怎么样？ 唔，我也不知道， 因为只有两类，图片一定会识别成其中一类，具体识别成美女或者野兽，估计要看颜值。哈哈哈。。。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/94385.html
摘要：今天笔者就介绍一个不用编程就能训练出深度学习定制模型的方法。答案是，是本人开发的，自认为做得比百度好，关键是从入库到训练，识别，完全不用编程。。。 近年来基于深度学习的人工智能非常火。提起人工智能都觉得是高大上，好像离普通人很远，更别说训练出定制模型了。唔，不知道什么是模型，为什么要定制？好吧，你可以想象模型就是一个人， 刚开始啥也不懂，使用教材（或者说样本）教他，他就能学会识别不同的...
摘要：今天笔者就介绍一个不用编程就能训练出深度学习定制模型的方法。答案是，是本人开发的，自认为做得比百度好，关键是从入库到训练，识别，完全不用编程。。。 近年来基于深度学习的人工智能非常火。提起人工智能都觉得是高大上，好像离普通人很远，更别说训练出定制模型了。唔，不知道什么是模型，为什么要定制？好吧，你可以想象模型就是一个人， 刚开始啥也不懂，使用教材（或者说样本）教他，他就能学会识别不同的...
摘要：编码构建模型近年来人工智能在语音识别自然语言处理计算机视觉等诸多领域取得了巨大成功，但人工智能要规模化商用仍然存在一些问题和挑战。 0编码构建AI模型 近年来人工智能在语音识别、自然语言处理、计算机视觉等诸多领域取得了巨大成功，但人工智能要规模化商用仍然存在一些问题和挑战。例如面包店要自动识别面包种类及数量实现无人结算，如调用通用图像识别服务，虽然易用，但识别准确率低，无法准确区分面包...
摘要：然而，尽管训练技术有了进步，深度学习的规模还是存在问题。这种更具扩展性的深度网络使百度得以实施一种端对端的语音识别系统，它被称之为。研究人员试图用分布式处理来构建更广泛的深度学习网络，以便能处理更大的数据集。 随着理论和硬件的飞速发展，神经网络已经成为了在线服务（比如微软的必应）的核心部件，推动着它们图像搜索和语音识别系统的发展。这些公司仰赖于这项技术来驱动未来更先进的服务，所以他们扩大了神...
摘要：时间永远都过得那么快，一晃从年注册，到现在已经过去了年那些被我藏在收藏夹吃灰的文章，已经太多了，是时候把他们整理一下了。那是因为收藏夹太乱，橡皮擦给设置私密了，不收拾不好看呀。 ...
阅读 1445·2023-04-26 02:11
阅读 2760·2023-04-25 16:18
阅读 3511·2021-09-06 15:00
阅读 2431·2019-08-30 15:55
阅读 1723·2019-08-30 13:20
阅读 1910·2019-08-26 18:36
阅读 2919·2019-08-26 11:40
阅读 2385·2019-08-26 10:11
