课程 | 手把手教你做一个图像识别应用

图像识别是人工智能的一个重要领域。对于初学者来说，如何从零开始使用TensorFlow搭建一个图像识别引擎，包括训练、评估及服务的能力，可能还是一道难题～如果您已经有了想法和数据，您可以跟随以下课程循序渐进地学习，课程重视实践，以百万级用户APP开发团队的经验为基础，包含大量实战中总结的经验和技巧，在大咖讲师开导下，实现短时间内做出自己的图像识别作品并上线提供演示和服务。 

课程介绍

AI100 特邀阿里2017云栖大会 API Solution大赛一等奖团队的联合创始人智亮先生，为大家介绍当前图像识别领域中先进的深度学习模型，并从源码级给大家讲解TensorFlow实现工业级图像识别应用的详细过程。通过本次公开分享课程大家将能掌握从零开始使用TensorFlow搭建一个图像识别引擎，包括训练、评估及服务的能力。

主题：《TensorFlow实战进阶：手把手教你做图像识别应用》

讲师：智亮
开课时间：7月12日起，每周三晚20:00-22:00在线直播，连续三周

报名：戳“阅读原文”或扫描下方课程二维码。

活动：早鸟票299元 ，原价399  ，7月6日恢复原价，优惠价仅剩三天！

讲师介绍

鲁朗软件（北京）有限公司联合创始人，毕业于东北大学。在计算机视觉领域有深厚的工业经验。Google TensorFlow框架的Contributor。带领团队开发的“花伴侣”植物识别App，上线数月即在0推广的情况下达到百万用户，并获得阿里巴巴2017云栖大会API Solution大赛一等奖，团队受邀成为腾讯微信公开课北京站九位演讲嘉宾之一。

马上试听智老师免费公开课>>>http://edu.csdn.net/course/detail/5278

五星好评之 公开课花絮>>课程 | 手把手教你做图像识别应用

<iframe class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" height="417" width="556" data-src="https://v.qq.com/iframe/preview.html?vid=u1320fumadk&width=500&height=375&auto=0"></iframe>

智老师免费公开课节选

<iframe class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" height="417" width="556" data-src="https://v.qq.com/iframe/preview.html?vid=q1320zovmdl&width=500&height=375&auto=0"></iframe>

智老师免费公开课节选二

课程大纲

第一课  TensorFlow基础和模型选择

1. TensorFlow简介

• Python编程接口与C++底层的关系

• 编译及安装，打开CPU加速和GPU加速

• Graph、Session和Tensor

• Control Flow

• Op、Node和ProtoBuf 

2. 开始写程序之前

• 基础操作

• 高级封装介绍：TFLearn、Slim与Keras

• 如何加速数据读取和提高内存分配效率

• 控制显存分配与显卡分配

• 多GPU的数据并行机制

3. 选择一个模型

• 越深越好？也许不是这样

• DenseNet、Inception和Resnet谁更好？

• 快50倍的网络？

• retrain或者fine-tune，这是个问题

• ImageNet预训练的模型的正确使用方式

第二课 TensorFlow训练和验证模型

1. 数据的准备

• 什么样的数据是好数据？

• 数据越好，模型越准？

• 被忽视的JPEG Quality

• 数据预处理暗藏的杀机

• 图片不是JPEG，怎么办

• TFRecord的优势和劣势

• 生成一套数据

• 真的需要SSD吗？

2. 开始一次训练

• 训练与验证分开的意义

• 记录Summary与Tensorboard

• 如何查看权重的值

• Loss变成NaN了，怎么办？

• 可视化

• checkpoint

• 一个简单的技巧却能改善识别的效果

3. 验证一个模型

• checkpoint和meta以及protobuf

• freeze一个模型

• 用训练好的模型识别图片

• 把这个模型上线测试

• 弄个网站秀一下

第三课：调参！调参！调参！模型上线和部署

1. 调参

• 所谓调参，调的到底是什么

• 每层的参数究竟如何确定

• 收敛速度 VS. 最高准确率

• Learning-rate和exponential decay

• Optimizer的选择

• SDG和Adam的比较

2. 再调参

• Dropout和Batch Normalize

• 被忽略的正则化和初始化

• 不均衡数据的分析与应对

• shuffle重要吗?

3. 上线与部署

• 模型的导出

• 提高模型效率

• 带条件模型的导出

• 关于TensorFlow Serving

• 模型的加密和分发

• 部署到手机上的一大堆坑

• 同时跑多个模型？

面向人群

1.了解机器学习基础知识

2.了解计算机视觉基础，对卷积神经网络有最基本的了解

3.熟悉Python语言

4.具有安装TensorFlow框架环境能力或有可使用的TensorFlow环境 

咨询&报名

扫课程二维码直接报名

加课程小助手回复“C1”进群咨询

付款后加小助手进课程群

点击下方“阅读原文”立即报名

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/