十年云计算老兵零基础进军深度学习的方法论

正文

请到「今天看啥」查看全文

-- 下图是 01 样本图片 --

我做测试的图片是官方教程提供了个白底红字的“2”.

-- 下图是 02 测试图片 --

制作数据集

首先我们要做一个图片识别的数据集，数据集文件放在“/data/train_small”目录下，图片的类型选择“Grayscale”，大小选 28x28，其他都选默认，然后选择创建数据集“minidata”。

-- 下图是 03 初始数据集 --

下面是数据集创建的过程，因为我们的文件很小很少，所以速度很快；如果是几千万张高清大图速度就会很慢，甚至要搭建分布式系统把 IO 分散到多台机器上。

-- 下图是 04 初始数据集中 --

这是创建完成数据集的柱形统计图，鼠标恰好停在第二个柱形上，显示当前标记为“9”的图片有 466 个。

-- 下图是 05 创建完成数据集 --

开始创建模型

有了数据集以后我们就可以创建模型了，我们选择创建一个图像分类模型（Image Classification Model），数据集选之前创建的“minidata”，训练圈数输 30 次，其他选项暂时保持默认。

-- 下图是 06 新建模型 --

到了创建模型的下半段是选择网络构型，我们选择 LeNet 即可，将模型命名为 TestA。

-- 下图是 07 选择 LeNet --

这次 Demo 我们没做细节设置，但生产环境可能要经常修改配置文件。

-- 下图是 08 微调 LeNet --

接下来就开始生成模型了，小数据集简单任务的速度还是很快的，而且验证正确率很高。但是如果是大任务大模型，可能会算上几天时间。

-- 下图是 09 开始生成模型 --

模型生成完成，我们再看一下验证正确率很高了，如果生产环境正确率太低，可能你要微调创建模型的参数。

请到「今天看啥」查看全文