0
| 本文作者： 夏睿 | 2017-02-09 17:42 |
編者按：Pete Warden是TensorFlow移動團(tuán)隊(duì)的技術(shù)負(fù)責(zé)人。曾在Jetpac擔(dān)任首次技術(shù)官。Jetpac的深度學(xué)習(xí)技術(shù)經(jīng)過優(yōu)化，可在移動和嵌入式設(shè)備上運(yùn)行。該公司已于2014年被谷歌收購。Pete還曾在蘋果公司從事GPU優(yōu)化領(lǐng)域的圖像處理工作，并為O'Reilly撰寫多本數(shù)據(jù)處理方面的書籍。本文為Pete Warden為一般大眾撰寫的如何用TensorFlow構(gòu)建圖片分類器（TensorFlow for poets，How to build your own image classifier with no coding），希望讓不太懂機(jī)器學(xué)習(xí)專業(yè)知識的人也能享受到機(jī)器學(xué)習(xí)的益處。以下為雷鋒網(wǎng)編譯。（此前雷鋒網(wǎng)報(bào)道過如何用TensorFlow搭建圖像識別系統(tǒng)的文章，詳情請點(diǎn)擊查看）
剛開始著手研究深度學(xué)習(xí)時(shí)，我發(fā)現(xiàn)在這個(gè)領(lǐng)域真是難起步。可供參考的資料沒有多少，就算有，也只有那些很懂行的學(xué)術(shù)研究員們才能看得懂。不過幸好，隨著過去這幾年指導(dǎo)深度學(xué)習(xí)的資料越來越多，入門已經(jīng)不像過去那么高不可攀了。
我一直覺得，把EC2設(shè)計(jì)成連詩人也會用的形式，很不錯(cuò)。它讓用戶一步步利用基本的計(jì)算機(jī)知識，通過在平臺上搭建一個(gè)簡單的應(yīng)用，以省去那些又難懂、又沒必要的過程。不過到目前為止，我還沒看到一個(gè)同樣有大眾化用戶群體的深度學(xué)習(xí)平臺。為此，我向大家展示了如何在不會電腦編程的情況下，用TensorFlow搭建一個(gè)屬于自己圖片分類器。以下是具體步驟（相關(guān)Youtube視頻請點(diǎn)擊這里）：
第一步：安裝Docker
為什么需要Docker呢？
讓TensorFlow在OS X 上進(jìn)行本地化運(yùn)行應(yīng)該是沒什么問題。但是像Python這樣的開發(fā)工具，安裝時(shí)的標(biāo)準(zhǔn)化程度就沒那么高，給出的指令不能統(tǒng)一適用。為了方便起見，我使用的是免費(fèi)版Docker應(yīng)用容器引擎，以便在 MacBook Pro.上安裝Linux虛擬機(jī)（ virtual machine）。Docker下載地址請點(diǎn)擊這里。
安裝完成后是這樣的：
第二步：安裝TensorFlow
安裝并運(yùn)行了Docker以后，我們可以得到一個(gè)預(yù)裝TensorFlow的Linux虛擬機(jī)。然后：
1.下載能在Docker上應(yīng)用的TensorFlow（下載地址：https://www.tensorflow.org/get_started/os_setup#docker-installation）
2.在終端機(jī)（treminal）上用下列指令使它能夠正常運(yùn)行（此過程下載和提取內(nèi)容較多，可能會比較耗時(shí)）：
3.下載完成后，你會看到一個(gè)新的終端機(jī)，也就是你已經(jīng)下載好的Linux 虛擬機(jī)。點(diǎn)擊下述指令，確保安裝成功。
4.現(xiàn)在，你能看到一系列目錄，包括TensorFlow目錄，***.build文件和其他，如下圖所示：
第三步：優(yōu)化Docker
Docker通常被用來測試網(wǎng)頁應(yīng)用。在運(yùn)行這個(gè)功能時(shí)，計(jì)算性能無關(guān)緊要，所以虛擬機(jī)中處理器的運(yùn)行速度不算快。但是在構(gòu)建圖片分類器這個(gè)案例中，計(jì)算機(jī)需要處理大量運(yùn)算，因此，在這里我們必須優(yōu)化一下Docker的計(jì)算速度。
Docker 內(nèi)部使用VirtualBox驅(qū)動，所以，我們將用VirtualBox 的控制面板來管理設(shè)置。方法如下：
1.在你的Mac上找到VirtualBox應(yīng)用并打開它，你會在面板左側(cè)看到虛擬機(jī)。現(xiàn)在它應(yīng)該處于default（系統(tǒng)默認(rèn)值）。
2.右鍵點(diǎn)擊“default”，在出現(xiàn)的菜單選擇Close->ACPI Shutdown
3.關(guān)閉完成后，“default”下方會出現(xiàn)“Powered off”，再次點(diǎn)擊右鍵，在出現(xiàn)的菜單中選擇“Settings”。
4. 點(diǎn)擊“System”圖標(biāo)，然后選擇“Motherboard”選項(xiàng)卡。
5. 拖動“Base Memory”滑塊到綠色部分。一般讓它占筆記本電腦總內(nèi)存的75％左右。我把它設(shè)置為12GB，我的電腦是16GB的。
6.點(diǎn)擊“Processor”，把處理器數(shù)量設(shè)置為大于1。通常，在MacBook Pro上設(shè)置4比較好，不過用滑塊下的綠色條作為參考也可以。
7.點(diǎn)擊設(shè)置對話框上的“OK”，右鍵點(diǎn)擊 “default”，選擇“Start->Headless Start”。
8.再次運(yùn)行下列指令：
完成這一系列的操作后，虛擬機(jī)就可以借助計(jì)算機(jī)的計(jì)算能力，加快運(yùn)轉(zhuǎn)速度啦！
第四步：下載圖片
下面的步驟則基于TensorFlow的圖形再訓(xùn)練案例（詳情請點(diǎn)擊這里）。
它展示了如何把你的圖片分到不同目錄的文件夾下，并再用它快速訓(xùn)練起始圖片識別神經(jīng)網(wǎng)絡(luò)的頂層，以識別這些目錄。
1.接下來，你需要得到一些案例照片。進(jìn)入終端機(jī)中，如果你仍看到“root@…”提示，那么這說明你仍處在Linux虛擬機(jī)環(huán)境下。那么，你需要點(diǎn)擊“exit”，退出虛擬機(jī)。
2.運(yùn)行以下命令，在Downloads 目錄中創(chuàng)建一個(gè)新文件夾以保存訓(xùn)練圖像，并下載、提取花朵照片：
3.完成之后，你會看到一個(gè)新的窗口，如下所示：
這表明你已經(jīng)成功下載花朵的案例圖片。另外，你還可以在文件里換上其他種類的花或照片，然后把文件名改成對應(yīng)名稱。
第五步:在虛擬機(jī)上運(yùn)行文件夾
1.有了可供訓(xùn)練的照片之后，你就可以在Linux上使用文件夾里使用它們了，以便把照片放到TensorFlow上：
2.出現(xiàn)一個(gè)Linux提示。為確保文件夾正常在虛擬機(jī)上共享，嘗試下列指令：
3.生成花朵文件夾列表，如下：
第六步：更新代碼
本案例需要使用到最新的代碼，并且以下會涉及到源代碼控制程序git。
1.抽取代碼需要一個(gè)默認(rèn)郵箱地址：
2.抽取最新資源：
3.現(xiàn)在，你應(yīng)該已經(jīng)處在vim窗口下。點(diǎn)擊“quit”離開。完成之后你就做的了最新的版本的代碼。接下來，將它同步到一個(gè)可運(yùn)行的版本中，運(yùn)行下列命令：
第七步：編制代碼
這一步的任務(wù)是編制代碼。在指令中，你會發(fā)現(xiàn)有一些優(yōu)化標(biāo)記，它可以用AVX加快處理器的運(yùn)行：
編制代碼可能會持續(xù)5-10分鐘，此過程可能會彈出很多警告。不過不要擔(dān)心，這是正常現(xiàn)象。
第八步：運(yùn)行代碼
運(yùn)行以下命令可運(yùn)行重訓(xùn)練程序：
接下來會出現(xiàn)下載初始模型的信息，然后是一長串創(chuàng)造瓶頸（ bottlenecks）的信息。如果你想知道后臺具體是怎么運(yùn)行的，可以點(diǎn)擊這里。
我已經(jīng)把default /tmp 目標(biāo)改成了輸出圖像和shared /tf_files 中的已緩存瓶頸，這樣從OS X中也可以獲得最后結(jié)果，并保存在不同的虛擬機(jī)中。
瓶頸緩存完成后，就進(jìn)入到照片訓(xùn)練過程。這可能要花費(fèi)5min左右的時(shí)間。最后的輸出線路精確值應(yīng)該在90%左右，也就是說，如果有10張照片的話，你的圖片分類器能把其中9張正確分類到其對應(yīng)的文件夾中。
第九步：使用圖片分類器
經(jīng)過分類的圖片被放在/tmp/output_graph.pb中。將它進(jìn)行一下測試，那么你可以得到另外一份樣本代碼。label_image示例是一個(gè)小C ++程序，它可以加載圖形并將其應(yīng)用于用戶提供的圖像中。可以試試下面步驟：
你會看到它已經(jīng)能分辨出一張雛菊的照片了。因?yàn)橛?xùn)練過程是隨機(jī)進(jìn)行的，所以你的模型可能有時(shí)會出錯(cuò)，你可以再嘗試一些其他圖片，看看它的成績?nèi)绾巍?/p>
大功告成
是不是已經(jīng)迫不及待想讓它在你的應(yīng)用里運(yùn)行了呢？很簡單，只需在 Downloads/tf_images 目錄下創(chuàng)建一個(gè)新的文件夾，把你想訓(xùn)練的圖片放在子文件夾里，然后重新運(yùn)行分類器。
現(xiàn)在，在應(yīng)用里運(yùn)行它吧！把label_image示例作為模板，可以很清楚的看到是否可以將C ++集成到你的產(chǎn)品中，它甚至可以再移動設(shè)備上運(yùn)行。想在智能手機(jī)上運(yùn)行，請查看Android示例代碼。
最后我希望本教程能夠激發(fā)你的靈感，讓你能夠多思考怎樣利用深度學(xué)習(xí)幫助用戶獲得更好的體驗(yàn)。感謝觀看~
via：oreilly
更多類似教程，請?jiān)诶卒h網(wǎng)站內(nèi)搜索關(guān)鍵詞“機(jī)器學(xué)習(xí)教程”、“TensorFlow”等~
【兼職召集令！】
如果你對未來充滿憧憬，喜歡探索改變世界的科技進(jìn)展，look no further！
我們需要這樣的你：
精通英語，對技術(shù)與產(chǎn)品感興趣，關(guān)注人工智能學(xué)術(shù)動態(tài)的蘿莉&萌妹子&技術(shù)宅；
文字不求妙筆生花，但希望通俗易懂；
在這里，你會收獲：
一群來自天南地北、志同道合的小伙伴；
前沿學(xué)術(shù)科技動態(tài)，每天為自己充充電；
更高的生活品質(zhì)，翻翻文章就能掙到零花錢；
有意向的小伙伴們把個(gè)人介紹/簡歷發(fā)至 guoyixin@leiphone.com，如有作品，歡迎一并附上。
