知名深度学习框架的典型应用案例一览

用户1386409

发布于 2018-07-26 11:50:43

1.6K0

发布于 2018-07-26 11:50:43

文章被收录于专栏：PaddlePaddlePaddlePaddle

无论是入门哪个深度学习框架，都会在后续进入实际应用的阶段

那么市面上知名的深度学习框架们，各自有哪些应用案例?

小PP综合网络信息，整理出各大深度学习框架的经典应用案例，

期待可以激发出大家的创意想法~

Tensorflow的应用案例

TensorFlow在谷歌系的产品中应用非常多，比如Gmail, Google Play Recommendation, Search, Translate, Map等等。除此以外，Tensorflow也广泛应用在医疗、艺术和生物检测方面。这里详细介绍医疗和艺术方向的应用案例~

利用AI预测糖尿病

即便专业的医生也很难借助视网膜图片预测糖尿病，但是深度学习却可以做到。通过图像识别功能，机器学习可以检测视网膜图像，预测糖尿病进而预防失明。下图为谷歌的技术公开课中针对这个案例的原理展示。

通过收集适量的医疗数据，用户可以构建一个26layers的深度卷积网络，让网络自动学习这些图像中的feature，来获得较高的分类准确率，而这是人眼很难解决的。模型评估结果比专业医生对比，F-score为0.95，比专业医生的中位数0.91还高。深度学习在医疗方面的应用可见一斑，以后在医疗方面应该会有更广的应用。

艺术方面的应用

在音乐、绘画这块的领域使用TensorFlow构建深度学习模型，人类可以更好地理解艺术。Google Brain团队的Magenta是一个探索机器学习在创造艺术和音乐过程中作用的研究项目。这主要涉及开发新的深度学习和强化学习算法，生成歌曲、图像、绘图和其他材料。它允许艺术家和音乐家使用这些模型扩展（而不是取代！）他们的流程，也是构建智能工具和界面的探索。

PaddlePaddle应用案例

目前PaddlePaddle在图像、文字、语音等方向的应用案例较多，且场景也在逐步扩宽。这里列举四个代表性的例子。

生鲜进货量智能预测

生鲜产品保质期极短，需要丰富进货经验，商家才能降低货物过期报损率，而如果要做销量预估会耗费大量的时间成本。使用PaddlePaddle进行深度学习预测，可利用商超生鲜的历史销售数据，提取出多个影响销量的条件，借助DNN神经网络建立销量预测模型，就可以预测出有效的进货量。

热点预估模型

人工筛选互联网中质量好、热度高的内容需耗费大量时间，而热点时效性较强，很可能被发现时已经开始降温了。使用PaddlePaddle搜集内容分类、内容来源、舆情热点等60+维度，经过训练可得到热点预估模型，自动完成对文本内容质量的初步判定，节约编辑团队筛选优质内容的工作时间，保证热点能够迅速被发现。

楼宇机电系统智能调控

目前楼宇的设备工况调控依赖人工，运行效率不高，可能会导致能源浪费、用户体验不好等问题。结合设备效率公式以及高效率为输出结果，对监控时序数据进行建模，通过模型建设和训练最终得到最合适的系统，可以实现楼宇日均节电20%+，年节电约100万度的优良效果。

银行营销智能大脑

目前银行堆积大量历史数据，且现有客户画像在复杂多变的客户群体中并不能很好的使用。此外，经验模型无法客户需求，难以进行产品推荐。借助PaddlePaddle，可以利用客户购买行为，预测其对不同理财产品偏好。同时，使用用户的个人属性、理财产品属性等几十个维度，深度学习可以帮助银行最大化数据价值，为银行营销工作精准匹配客户，实现最全面的客户管理。

Pytorch使用案例

众所周知，Pytorch在科研方面应用广泛，例如加州大学伯克利分校的计算机科学家将PyTorch的动态图功能用于他们的CycleGAN image-to-image转换的工作。

当然作为Facebook开源的深度学习框架，它也被广泛应用于Facebook的个性化推荐等功能中。Pytorch的应用案例集中在图像和文字识别方面。

Facebook产品中的应用

Facebook的诸多产品已经直接使用这个框架，图像方面也有趣味应用，如将人们的“闭眼照”还原成正常状态。这项技术是机器通过对人们以往照片学习，借助神经网络实现修改和还原。Facebook的研究人员所做的是将“样本”数据包含在眼睛里，让人们的眼睛睁开。这个AI机器人不仅学习了眼睛应该注视的对象，而且还了解这个人的眼睛是如何形成的，与周围的颜色如何适应等等。经过修复后照片没有颜色不匹配或者是明显的拼接现象。