用卷积神经网络打造一个图片识别应用.PDF

用卷积神经网络打造一个图片识别应用 基础公开课 课程目标 • Tensorflow的基础介绍 • 卷积神经网络的基本概念 • TF-Slim的了解和掌握 • 使用TF的代码资源，快速打造一个图像 识别引擎 2 机器学习的常用框架 • Tensorflow • Caffe • Torch/pyTorch • MXNet/Theano/PaddlePaddle/CNTK 3 框架对比 Tensorflow Caffe Torch MXNet 开发语言 Python/C++/ C++ Lua C++/Python/ Java/Go R 并行计算 数据，模型 数据 数据 数据 分布式训练 支持 单机多卡 单机多卡 支持 语言模型 动态图 过程 动态图 混合 模型部署 模块化 编译 无 编译 高层封装 Slim/Keras pyCaffe pyTorch Model API 4 Tensorflow中的代码资源 • Tensorflow model /tensorflow/models • Slim API • Slim下的Model Zoo 5 Slim框架的图像识别代码体系 • /tensorflow/models/tree/master/slim • Datasets ：数据源以及生成工具 • Preprocessing ：数据的预处理及Augment • Nets ：网络（模型）的结构定义 • Train ：训练模型 • Eval ：验证模型 • Export ：导出模型 6 卷积神经网络的基础单元 • 卷积（Convolution ） • 激活函数（Activation ） • 池化（Pooling ） • 批归一化（Batch Normalization ） • Dropout 7 卷积（Convolution ） • 卷积的计算方式 /wiki/index.php/卷积特征提取 • 卷积核与通道、分辨率的关系 – 每个卷积核覆盖全部输入通道 – 每个卷积核的结果成为输出的一个通道 – 根据padding ，改变或者不改变数据的分辨率 • 卷积的作用和设计思路 – 滤波（kernal-size ，stride ） – 局部相关性（kernal-size ） – 中心感受野（padding ，stride ）