Pendant l'épidémie, j'ai participé au cours d'apprentissage en profondeur de Baidu Flying Paddle. Le premier framework national d'apprentissage en profondeur open source, paddlepaddle a été mis à jour vers la version 1.7, mais actuellement il ne prend pas en charge CUDA 10.2, mais certains cours gratuits d'apprentissage en profondeur sont vraiment bons, faciles à comprendre, pleins de marchandises sèches, et il existe des cartes informatiques GPU sur ai studio. Tesla V100).
Cadre de base de reconnaissance d'image
Espace de mesure ---------> espace caractéristique ---------> espace catégorie,
que ce soit la reconnaissance de scène, la reconnaissance de cible ou la reconnaissance faciale par apprentissage en profondeur, quittez l'apprentissage des fonctionnalités, commencez par L'espace de mesure obtient la représentation d'entité, puis la correspondance d'entité de catégorie est effectuée pour obtenir le résultat.
Les opérations spécifiques sont essentiellement les étapes suivantes:
- structures de modèle , le nombre de couches de la conception du réseau de neurones, et le nombre de chaque élément, en gardant à l' esprit la nécessité d'activer une fonction pour une fonction linéaire -> fonction non linéaire, sont communs
sigmoid,relula sortiesoftmax; - La fonction de perte est généralement une entropie croisée;
- L'apprentissage des paramètres choisit généralement une descente de gradient ou une propagation inverse;
- Nouvelle grammaire de formule mathématique KaTeX ;
- Ajout de la prise en charge de la fonction Mermaid Syntax 1 des diagrammes de Gantt ;
- Augmentation de multi-écran édition article fonctionnalités Markdown;
- Augmentation de mode d'écriture de mise au point, un mode de prévisualisation, le mode d'écriture simple, la zone gauche et à droite du jeu synchrone à rouleaux fonctions, touches de fonction au milieu de la zone d'édition et une zone de prévisualisation;
- Augmentez la liste de contrôle fonction.
PaddleHub
PaddleHub mouche modèle de pré-formation paddle et de la gestion de la migration des outils d' apprentissage
installés:
pip install paddlehub
Modèle d'installation:
hub install [modelname]
Afficher les modèles installés:
hub list
Affichez les propriétés du modèle installé localement, y compris son nom, sa version et sa description:
hub show [modelname]
Récupérez les modèles correspondants côté serveur par mots clés:
hub search ssd
La fonctionnalité la plus puissante est le service de transfert de modèle en un clic:
seule une simple commande peut terminer le déploiement du service HTTP du modèle
hub serving start -m resnet_v2_50_imagenet -p 8867
Le format de l'URL de l'interface est: http://0.0.0.0:8866/predict// Parmi eux, c'est du texte ou une image, qui correspond au type de modèle et est le nom du modèle.
