tensorflow在图像识别上的应用


TensorFlow实现深度学习简介 郑泽宇 才云科技 首席科学家 www.aibbt.com 让未来触手可及 自我介绍 竞 赛 金 牌 优 秀 毕 业 生 、 十 佳 论 文 西 贝 尔 奖 学 金 谷 歌 电 商 Co - founder 首 席 科 学 家 郑泽宇 才云科技 caicloud.iowww.aibbt.com 让未来触手可及 目录 目录 深度学习简介 神经网络工作原理 TensorFlow实现图像识别 3郑泽宇 才云科技 caicloud.iowww.aibbt.com 让未来触手可及 4 深度学习简介 郑泽宇 才云科技 caicloud.iowww.aibbt.com 让未来触手可及 5 深度学习简介 郑泽宇 才云科技 caicloud.iowww.aibbt.com 让未来触手可及 深度学习简介 6 搜索词“deep learning”(深度学习)在Google上的热度图 www.aibbt.com 让未来触手可及 图像识别 7www.aibbt.com 让未来触手可及 图像识别 深度学习之前 深度学习之后 8www.aibbt.com 让未来触手可及 图像识别 9www.aibbt.com 让未来触手可及 图像识别 10www.aibbt.com 让未来触手可及 图像识别 11www.aibbt.com 让未来触手可及 图像识别 12www.aibbt.com 让未来触手可及 目录 目录 深度学习简介 神经网络工作原理 TensorFlow实现图像识别 13郑泽宇 才云科技 caicloud.iowww.aibbt.com 让未来触手可及 神经网络模型 14郑泽宇 才云科技 caicloud.iowww.aibbt.com 让未来触手可及 0 1 2 3 4 5 6 7 8 9 0 1 0 0 0 0 0 0 0 0 1 图像识别 文本分类 0 1 15郑泽宇 才云科技 caicloud.io 神经网络模型 www.aibbt.com 让未来触手可及 16 神经网络模型 郑泽宇 才云科技 caicloud.io 监督学习和无监督学习 监督式学习(英语:Supervised learning),是一个机器学习中的方法,可以由训练资料中 学到或建立一个模式(函数 / learning model),并依此模式推测新的实例。训练资料是由 输入物件(通常是向量)和预期输出所组成。函数的输出可以是一个连续的值(称为回归分 析),或是预测一个分类标签(称作分类) 非监督式学习是一种机器学习的方式,并不需要人力来输入标签。它是监督式学习和强化学 习等策略之外的一种选择。典型的非监督学习有聚类等,直接从数据的特征中寻找相似性。 www.aibbt.com 让未来触手可及 17 神经网络模型 郑泽宇 才云科技 caicloud.iowww.aibbt.com 让未来触手可及 18 神经网络模型 郑泽宇 才云科技 caicloud.iowww.aibbt.com 让未来触手可及 19 神经网络模型 郑泽宇 才云科技 caicloud.io 几种常见的激活函数 www.aibbt.com 让未来触手可及 20 神经网络模型 郑泽宇 才云科技 caicloud.io Sigmoid激活层: 用于二分类问题 푠표푓푡푚푎푥 푦 푖 = 푦푖 ′ = 푒푦푖 푗=1 푛 푒푦푗 假设输出的是[푦1, 푦2, 푦3 ⋯ 푦푛],经过Softmax回归层后,所有的푦푖都将被限定在[0, 1]之间, 푦푖的和是1。 Softmax激活层: 用于多分类问题 s푖푔푚표푖푑(푦) = 1 1+푒−푦 使用sigmoid解决二分类时一般只有一个输出y。 www.aibbt.com 让未来触手可及 21 神经网络模型 郑泽宇 才云科技 caicloud.io 损失函数: 计算输出和真实标签之间的关系。 1. 交叉熵 • 퐻 푝, 푞 = − 푥 푝 푥 푙표푔 푞(푥) • p是真实的分布,q是模型预测出来的分布。交叉熵是非对称的,描述的是假设一个预测的概率分布q服从的是真实分布p 所需要的平均信息量。如果预测的分布q越接近真实的分布p,那么这个信息量就越小。我们所要做的就是优化交叉熵, 使其值越小,从而使得模型预测的概率分布越接近真实的概率分布。 2. MSE损失函数:即最小二乘损失函数——描述拟合函数与真实函数之间的误差。 퐿 = 1 푛 푖=1 푛 ( 푦푖 − 푦푖)2 3. 自定义损失函数:能够描述预测值与真实值之间的关系。 www.aibbt.com 让未来触手可及 22 神经网络模型 郑泽宇 才云科技 caicloud.io 最理想的情况,损失函数的 局部最小值就是全局最小值。 一般情况下,损失函数同时存在 局部最小值和全局最小值。这种情况下, 如果上图初始点在右边, 那么迭代会陷入局部点而不能全局收敛。 梯度下降法 www.aibbt.com 让未来触手可及 目录 目录 深度学习简介 神经网络工作原理 TensorFlow实现图像识别 23郑泽宇 才云科技 caicloud.iowww.aibbt.com 让未来触手可及 TensorFlow简介 24www.aibbt.com 让未来触手可及 25 13847 8534 4532 1525 8418 1881 5846 2231 3777 868 36974 16703 4977 1756 5793 1685 星数(Star) 复制仓库(Fork) Caffe Deeplearning4j Microsoft Cognitive Toolkit MXNet PaddlePaddle TensorFlow Theano Torch TensorFlow简介 www.aibbt.com 让未来触手可及 26 115 30 83 59 136 8 237 98 154 118 476 187 94 72 26 11 活跃讨论贴(issue) 活跃代码提交请求(pull request) Caffe Deeplearning4j Microsoft Cognitive Toolkit MXNet PaddlePaddle TensorFlow Theano Torch TensorFlow简介 www.aibbt.com 让未来触手可及 27 TensorFlow简介 Tensor和Session TensorFlow里面的变量都以tensor的形式保存,可以调用session来获取tensor的取值 import tensorflow as tf a = tf.constant([1.0, 2.0], name="a") b = tf.constant([2.0, 3.0], name="b") result = a + b print result 输出: Tensor("add:0", shape=(2,), dtype=float32) with tf.Session() as sess: print sess.run(result) 输出: [3.0, 5.0] www.aibbt.com 让未来触手可及 28 TensorFlow简介 Layer的构建 input = tf.placeholder(tf.float32, shape=input_shape, name="input") w = tf.Variable(tf.random_normal([input_shape, output_shape], stddev=1)) b = tf.Variable(tf.constant(0.1, shape=[output_shape])) output = tf.nn.relu(tf.matmul(x, w) + b) 使用contrib.layers input = tf.placeholder(tf.float32, shape=input_shape, name="input") output = tf.contrib.layers.fully_connected(input_shape, output_shape, activation_function) www.aibbt.com 让未来触手可及 29 TensorFlow简介 MNIST数据集介绍 数字图片及其像素矩阵 1. 读取数据 www.aibbt.com 让未来触手可及 30 TensorFlow简介 2. 使用next_batch随机划分数据集 www.aibbt.com 让未来触手可及 31 TensorFlow简介 前向传播 www.aibbt.com 让未来触手可及 32 TensorFlow简介 www.aibbt.com 让未来触手可及 33 TensorFlow简介 www.aibbt.com 让未来触手可及 34 TensorFlow简介 www.aibbt.com 让未来触手可及 35 卷积神经网络 卷积层 前向传播 使用全0填充 移动步长为2 使用全0填充 www.aibbt.com 让未来触手可及 36 卷积神经网络 池化 池化一般分为最大池化层(max pooling), 平均池化层(average pooling) www.aibbt.com 让未来触手可及 37 卷积神经网络 卷积相当于提取图像的特征 www.aibbt.com 让未来触手可及 38 卷积神经网络 LeNet5模型(前向传播) input →卷积1 →池化1 →卷积2 →池化2 → 全连接1 → 全连接1 → output www.aibbt.com 让未来触手可及 39 卷积神经网络 www.aibbt.com 让未来触手可及 40 卷积神经网络 www.aibbt.com 让未来触手可及 •. 41 https://item.jd.com/12125572.html?dist=jd https://github.com/caicloud/tensorflow-tutorial TensorFlow简介 www.aibbt.com 让未来触手可及 谢谢大家! www.aibbt.com 让未来触手可及
还剩41页未读

继续阅读

下载pdf到电脑,查找使用更方便

pdf的实际排版效果,会与网站的显示效果略有不同!!

需要 10 金币 [ 分享pdf获得金币 ] 0 人已下载

下载pdf

pdf贡献者

aibbtcom

贡献于2018-05-23

下载需要 10 金币 [金币充值 ]
亲,您也可以通过 分享原创pdf 来获得金币奖励!
下载pdf