大家好,又到了一周案例时间
相信小编,花5分钟看完,你会打开新世界的大门
尤其是铲屎官们+直男们
有些好动的毛孩子,一不留神就跑远
在愚人节当天,百度发布“SAFI”系统
只要狗狗“离家出走”主人就会收到信息,而狗狗刷脸即可验证身份,甚至消费!
虽然短片拍的很真实,但玩笑归玩笑
然而令人吃惊的是,在 LA Hacks 2018 的活动之中,来自加州理工学院的美籍华裔大二学生 EricZhao做出“狗脸识别”系统,16小时让梦成真!
小哥被采访时透露了机关:使用Paddle Paddle
那如何用Paddle Paddle 实现宠物面部识别呢?
还原一下场景,我们来分析下这波操作
GPU搭载
PaddlePaddle集群中有两个角色:参数服务器(parameter server)和训练器(trainer)。每个参数服务器进程维护全局模型的一个片段。每个训练器都有该模型的本地副本,并使用本地数据来更新模型。在训练过程中,训练器将模型方面的更新内容发送给参数服务器,参数服务器负责聚集这些更新内容,那样训练器可以做到本地副本与全局模型实现同步。平台能够为同一个节点分配需要GPU的PaddlePaddle训练器进程、需要大容量内存的Web后端服务以及需要磁盘输入输出的CephFS进程,以便全面利用硬件资源。
PaddlePaddle在云上可以建立起来足够强大的集群,并且搭建GPU集群,比照同类竞品更为方便,在图像处理速度上能够节约时间,而实际上这部分在整个项目中最耗时。也难怪Eric小哥只用16小时就全流程创作出系统,毕竟强大的功能节约足够多的时间用于支持后续环节。
模型支持
PaddlePaddle支持多种深度学习模型 DNN(深度神经网络)、CNN(卷积神经网络)、 RNN(递归神经网络),以及 NTM 这样的复杂记忆模型。其中图像分类是根据图像的语义信息对不同类别图像进行区分,PaddlePaddle向大家提供多种图像分类模型,也提供了能够将Caffe或TensorFlow训练好的模型文件转换为PaddlePaddle模型文件的模型转换工具。
Eric小哥使用Squeeze Neaural Network正是卷积神经网络中的经典结构。在获取足够数量的宠物狗狗面部图片后,进行狗狗脸部识别智能分类模型训练。将狗狗面部图片按分档建立图片数据集合,将图片数据集放入模型进行训练,模型会从各个分类的图片集合中,自动提取可以用于分级的特征并形成分类逻辑。
sdfd
当然,宠物面部识别系统距离真正面世铺开,肯定还有很长的路要走。但这至少说明,深度学习的应用场景,借助PaddlePaddle将会逐步深入到我们生活各方面!
看看时间,网络情人节520快来了——又到了一年一度的拷问直男时间。借助PaddlePaddle中包含的模型黑科技,不妨尝试以下脑洞:
......
期待各位大侠的新创作!如果成功了请记得私信小编,专栏刊登,造福直男们
本文分享自 PaddlePaddle 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!