Keras

主页 | 中文文档 | 10分钟入门Keras指南

Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK 或者 Theano 作为后端运行。 Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。

TensorFlow

中文主页 | 中文文档

借助 TensorFlow，轻松创建可在任何环境中运行的机器学习模型。 通过交互式代码示例，了解如何使用直观的 API。

Anaconda

主页 | 中文文档

/ˌænəˈkɒndə/水蚺(南美洲蟒蛇), Python + 库 + 管理. Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。 Anaconda则是一个打包的集合, 包括了很多工具软件, 还包括了Python.

flowchart LR subgraph Anaconda direction LR p(Python) ~~~ l(Python库) ~~~ vsc(Vscode) ~~~ e(环境管理) end

Anaconda安装

因anaconda包括了Python，安装前应删除电脑上的原Python, 从清华源下载exe文件进行图形界面安装, 安装稳定旧版本.

flowchart LR dell(删除Python) --> download(下载anaconda) --> exe(执行安装) all(所有用户) --> path(修改路径) --> add(添加环境变量) --> reg(注册) --> vsc(安装vsc) cmd(运行cmd) --> command(输入conda --version) --> echo(返回conda x.x.x)

conda, miniconda, anaconda

conda是环境管理与安装工具.

condaminicondaanaconda
安装库与环境管理conda + Python + 基本库miniconda + 扩展库 + 界面

python pip, ananconda conda

修改安装源
pipconda
不一定会安装其他依赖包自动安装其他依赖包
维护多个环境难方便管理不同环境
仅限python可用于其他语言

删除Python

在已经安装Python的电脑上若再安装Anaconda应删除原Python, 最好的方式是运行原Python安装包, 但此包安装后一般删除了. 只好用Windows来删除, 删除前可了解一下Python安装位置.
在cmd中输入 "where python" 查看安装路径： C:\Users\RD-SY\AppData\Local\Programs\Python\Python38\python.exe C:\Users\RD-SY\AppData\Local\Programs\Python\Python38-32\python.exe C:\Users\RD-SY\AppData\Local\Microsoft\WindowsApps\python.exe
此电脑\属性\高级系统设置\高级\环境变量\RD-SY的用户变量\Path
C:\Users\RD-SY\AppData\Local\Programs\Python\Python38\Scripts\ C:\Users\RD-SY\AppData\Local\Programs\Python\Python38\ C:\Users\RD-SY\AppData\Local\Programs\Python\Python38-32\Scripts\ C:\Users\RD-SY\AppData\Local\Programs\Python\Python38-32\ C:\Users\RD-SY\AppData\Local\Programs\Python\Python38-32\Lib\site-packages\qt5_tools\ 在上一级目录下还有Python39-32. 可见Python安装在目录下：C:\Users\RD-SY\AppData\Local\Programs\Python
安装了三个Python: (1)Python38, (2)Python38-32, (3)Python39-32
flowchart LR subgraph 本电脑已经安装的Python direction LR p1(Python38) ~~~ p2(Python38-32) ~~~ p3(Python39-32) end

神经元

神经单元是一个复合运算，乘加法经激活函数就是神经单元。激活函数也很简单，但很多种，最简单的是ReLU，这个函数是两个值中小于零的取零，大于零的取本身。

flowchart LR subgraph n[神经元] subgraph 激活函数 direction LR p1?((输入 * w + b)) end end in(输入) --> n --> out(输出)

神经网络

输入到多个神经元并输出组成神经网络.

flowchart LR in1(输入1) out1(输出) in2(输入2) in1 --> n1((n1)) in1 --> n2((n2)) in1 --> n3((n3)) in1 --> n4((n4)) in2 --> n1((n1)) in2 --> n2((n2)) in2 --> n3((n3)) in2 --> n4((n4)) n1 --> out1 n2 --> out1 n3 --> out1 n4 --> out1

深度神经网络

上面的神经网络仅一层神经单元: n1~n4, 如果这有多层, 就叫深度神经网络, 也叫多层神经网络.

flowchart LR in1(输入) out1(输出) in1 --> n1 --> n2 --> nn --> out1 subgraph n1[第1层] n1.1((n1)) ~~~ n1.2((n2)) ~~~ n1.3((n3)) ~~~ n1.4((n4)) end subgraph n2[第2层] n2.1((n1)) ~~~ n2.2((n2)) ~~~ n2.3((n3)) ~~~ n2.4((n4)) end subgraph nn[第n层] nn.1((n1)) ~~~ nn.2((n2)) ~~~ nn.3((n3)) ~~~ nn.4((n4)) end

深度学习

深度学习是用深度神经网络来自动学习对象如图像的特征, 然后让深度神经网络具备识别对象的能力.

flowchart LR subgraph dl[深度学习] subgraph dcnn[深度神经网络] subgraph nn[神经网络] n((神经元)) end end end

目标检测

目标检测法是深度学习的一个应用. 检测图像中是否有预期的目标图像. 输入图像, 输出目标名称、置信度、边沿框. 也就是目标检测的任务是分类与定位. 评价指标以下:

  • IoU, Interrection over Union, 交并比，越大越好，最大值是1。
  • mAP, mean Average Precision, 平均精度均值, 越大越好, 最大值是1.
  • FPS, Frame Per Scond, 即每秒多少帧.

目标检测法2012年前采用手工, 2012年后运用深度学习法.

项目传统目标检测法深度学习目标检测法
特征提取法手工设计特征提取算法深度学习法自动提取算法
开发要求对开发者要求高对开发者要求低
识别精度在某些专用领域识别精度高通用领域精度一般, 能满足商业要求
运行速度非常快, 对硬件要求不高快, 需要加速硬件如GPU

运用工具, 深度学习法开发典型流程如下.

flowchart LR c(收集图片) --> l(标注图片) --> t(训练模型) --> b(部署模型)

深度学习是一种通用机器学习法, 通用是指不同领域可使用相同的工具, 机器是指用可用电脑进行操作.撑握这种方法最好的办法是学习工具的运用, 如工具TensorFlow Object Detection API.

迁移学习

深度学习如上图的流程, 需要收集大量图片上千上万的量, 很难, 标注虽然有工具要手工操作, 耗时, 训练即使电脑自动也要耗一定时间. 所以可利用别人已经训练好的通用模型, 经进一步训练成自己自专用的模型,这是很有迁移学习.

flowchart LR nm(别人训练好的模型) --> t(深度学习训练) --> sm(自己专用的模型)