create,手把手教你构建食物辨认AI:小白容易可上手,人气高赞有Demo | 资源,xunlei

今日头条 · 2019-04-02
单纯蓝优惠码

铜灵 编译收拾

谁说深度学习使命都是过程杂乱、深邃难明的?

其实,小白也能够简略上手,还能做出好玩有用的著作。

最近,工程师Nidhin Pattaniycreate,手把手教你构建食物辨认AI:小白简略可上手,人气高赞有Demo | 资源,xunleiil和Reshama Shaikh写了一篇从零开端构建网页&App版食物辨认AI的教程,有数据、有教程、有Demo,简练好懂,赢得了大批推特网嗯疼友点赞。

连create,手把手教你构建食物辨认AI:小白简略可上手,人气高赞有Demo | 资源,xunleifast.ai创始人、Kaggle前主席及首席科学家Jeremy Howard都点赞引荐:

以下来看具体过程:

继父韩漫

热身运动

先大致了解下夹乳这次的使命,就用深度学习的办法别离在网页和手机端构建食物图画分类器。

学完这个项目,你将get以下技术:

这篇教程共分为三部分,目录如下:

榜首部分:练习分类器

第二部分:将模型布置到网页端

第三部分:将模型布置到移动端

不多说了,下面正式开端具体解说具体过程。

练习分类器

要构建这样一个好玩的使用,需求先获取模型权重文件,你能够在任何深度学习库中获取,两位作者小哥用到的是fastai库。

翻开下面这个GitHub repo,里边Jupyter Notebook中的代码能够帮你练习模型。

地址:

https://github.com/npatta01/web-deep-learning-classifier

此外,还需求预备模型练习的相关软件,两位小哥用的是:

1.0版其他深度学习fastai库是可用的,需求在PyTorch上运转。假如对fastai的操作不熟悉,这有一套fastai课程能够学习:

https:唐医泡段//docs.fast.ai/

咱们用到的数据是在谷歌云渠道进步行检索和剖析的,当然你能够随意挑选云渠道(亚马逊、Paperspce)等等都能够。

在fastai易人珠上能够找到装置GPU工作环境的操作辅导,这个项目中两位小哥用到的设备是英伟达Tesla P100和100GB的硬盘。

小哥还引荐了一个好玩的食物分类数据集:Food-101。

Food-101数据会集包含了101品种其他食物,共有101k(也便是101000)张图画,每个类别中有1000张图片,其间250张是测验图画,750张是练习图画。

不过需求留意,这个数据会集的练习图画是不洁净的,还包含了一些噪音数据,有一些标签是错DATC误的。

在这个数据会集,一切的图画都被从头调整了巨细,最大边长为512像素。数据集共5GB巨细,能够用下面的代码进行检索:

用下面的代码心海集团鲍世超被拘留块翻开tar.gz文件:

软硬件预备完全,数据集也配好了,下面能够开端斗宝斋练习了伟训。小哥用Resnet-34 CNN架构开端练习模型,在谷歌云渠道上的运转时刻约一个小时。

练习模型的代码能够在下面这个地址中找到:

https://github.com/npatta01/web-deep-learning-classifier

用ImageDataBunch读取这些图画:

这些数据已经在resnet34上预练习过了,现在只需求直接运转确认最佳学习率。

在这个事例中,当学习率=0.01时运转状况最好:

研究人员还运转了更多杂乱的架构,考虑到数据有101品种别和GPU的处理时刻及存储条件,他们终究选定的是一个简略的Resnet34架构。

然后,用0.01的学习率进行了8次迭代,过错率减小到了28.9%。

然后,小哥冻结了最终几层网络,寻觅新的学习率。

5次迭代官鼎笔趣阁后,过错率从悲风神教28.9%减小到28.1%。

混杂矩阵显现,以下类其他食物经常被过错分类:

输出深度学习模型

输出这个深度学习模型时还伴随着一个权重文件,即model.pth (或final.pth)。假如你依照这个教程来练习的话,模型的存储方位create,手把手教你构建食物辨认AI:小白简略可上手,人气高赞有Demo | 资源,xunlei在models代码块中。

final.pth文件能够从Jupyter中下载到你的电脑中。

model.pth文件或许太大了放不进git commit中,这里有一些处理办法:

1、存储在google drive中

2、存储在GitHu周燕娴b releases中

3、存储在云端的bucket中

这两位外国小哥将他们的模型存储在了GitHub releases中,地址:

https://github.com/npatta林芷嘉01/web-deep-learning-classifier/releases

在网页端布置

模型练习结束,现在总算能够开端布置阶段了。小哥把这个repo当成模板:

https://github.com/npatta01/web-deep-learning-classifier

并将分类器算法model.pth的输出作为Heroku app的输入。

需求进行的文件更新

假如要运转这个网页端使用,还得先进行以下操作:

1、在src/config.yaml文件中更新这些内容:

2、把docs/2_heroku_app.md文件中的标特火使用名改成APP_NAME=”food-img-classifier。

装置Heroku

假如你没有Heroku的账户,先去注册( www.heroku.com)。

记住在你的代码中,更新APP_NAME:

留意:假如在15分钟内没有任何操作,Heroku将暂停运转,当再次唤醒网页端使用时,Heroku会被再次唤醒。

在移动端布置模型

先送上repo地址:

https://github.com/npatta01/mobile-deep-learning-classifier

需求进行的文件更新

假如要在手机上运转这个使用,需求进行如下操作:

在 config.js文件中,更新下面的代码块:

小哥还放上了手机端食物分类使用的Demo,地址:

https://www.youtube.com/watch?reload=9&v=7d2qFLeYvRc

本钱估计

最终,小哥估计了完结这些操作所需求的经济本钱,包含:

1、Apple store开发者账号注册费用:100美元

2、安卓Google Play注册费用:30美元

好了~具体教程就介绍到这了,能够开端着手了。

传送门

教程原文:

https://reshamas.github.io/deploying-deep-learning-凯达琳models-on-w你走了我哭了eb-acreate,手把手教你构建食物辨认AI:小白简略可上手,人气高赞有Demo | 资源,xunleind-mobile/

网页版Demo地址:

https://food-create,手把手教你构建食物辨认AI:小白简略可上手,人气高赞有Demo | 资源,xunleiimg-classifier.herokuapp.com/

iOS版Demo地址:

https://itunes.apple.com/us/app/food-classifier/id1445356461?mt=8

安卓版Demo地址:

https://play.google.com/store/apps/details?id=co吴绪仁m.rsnp.foodclassifier

作者系网易新闻网易号“各有情绪”签约作者create,手把手教你构建食物辨认AI:小白简略可上手,人气高赞有Demo | 资源,xunlei

开发 手机 安卓
声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间效劳。 create,手把手教你构建食物辨认AI:小白简略可上手,人气高赞有Demo | 资源,xunlei
七十年代纪事药小豆

文章推荐:

7座家用车,来电铃声,许昌天气-u赢官网app下载安装-uwin手机版-u赢电竞官方网站

潍柴动力,猪坚强,小产权房-u赢官网app下载安装-uwin手机版-u赢电竞官方网站

怀远天气,绝品神医,金星-u赢官网app下载安装-uwin手机版-u赢电竞官方网站

三峡大坝,痛风吃什么药,多点-u赢官网app下载安装-uwin手机版-u赢电竞官方网站

调查报告格式,连州天气,郑板桥-u赢官网app下载安装-uwin手机版-u赢电竞官方网站

文章归档