普惠AI时代,抓住机遇奋力一搏

现在大家都在讨论AI,就如同当年互联网浪潮前夜一般。但不同的是,互联网浪潮来临之前,很多人看不清互联网是什么,它能干什么,所以很少有人会冒险的去尝鲜。但在当下,AI技术并未成熟,AI时代也并未真正到来,已经有很多厂商和企业都在讨论如何利用AI技术赋能行业,如同我一般的开发者,也开始大胆的尝试各种AI开发技术,希望可以在“前夜”占得一席先机。

但很显然,对于我们真真正正做开发的人来说,现在可以为我们提供AI开发技术和能力的平台并不多,大部分云服务商还是更加注重云基础架构的应用与服务升级。我认为,在现在这个云和AI的过度时期,AI能力不足的云服务厂商还有一席喘息之地,还有一些生存空间。但是一旦普惠AI时代到来,即AI成为一种通用技术,随时可调用,开箱即用,简单便宜之后,AI能力不足的云服务商必定将会毫无生存空间。所以如果不重视AI能力的提升,那么必然难以立足于将来的云服务市场。

现在市场上有很多云服务商预见到了普惠AI时代的到来,国外Google推出了TensorFlow,即 An open-source software library for Machine Intelligence,一个开源的机器学习库,目前是最流行的人工智能的算法引擎,提供了深度学习的基本元素的实现。国内百度推出了PaddlePaddle,它的设计和定位比较集中在“易用、高效、灵活、可扩展”上,对很多算法进行了完整的封装,包括阅读理解、自动问答、图像分类、目标检测、场景文字识别、语音识别等多个技术领域人工智能的通用解决方案。当然市场上,还有一些流行框架,比如Theano, Torch, Caffe等等,深受开发者们欢迎。

但我认为,无论是TensoFlow还是PaddlePaddle,它们都没解决孤点式开发问题,现在我们还只能是写代码在一个平台,测试在另一个平台,部署又放在其他终端,是否有一个厂商可以将这些点串联起来,从云、边、端统一完成所有步骤,让开发变得真正简单易用,那将是我们最期待的。据说华为将在10月全联接大会上,发布一个全栈全场景的AI开发框架,希望可以尽快体验到。

那么接下来,我给大家分享一个我用TensorFlow做的实操,希望对大家有所帮助。

逻辑:

  1. 我从网上下载了十几张猫和狗的图片,用于检验我们训练好的模型。
  2. 处理我们下载的图片
  3. 加载模型
  4. 将图片输入模型进行检验

代码如下:

#coding=utf-8  
import tensorflow as tf 
from PIL import Image  
import matplotlib.pyplot as plt
import input_data 
import numpy as np
import model
import os #从指定目录中选取一张图片 
def get_one_image(train): files = os.listdir(train)n = len(files)ind = np.random.randint(0,n)img_dir = os.path.join(train,files[ind])  image = Image.open(img_dir)  plt.imshow(image)plt.show()image = image.resize([208, 208])  image = np.array(image)return image  def evaluate_one_image():  #存放的是我从百度下载的猫狗图片路径train = '/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/testImg/' image_array = get_one_image(train)  with tf.Graph().as_default():  BATCH_SIZE = 1  # 因为只读取一副图片 所以batch 设置为1N_CLASSES = 2  # 2个输出神经元,[1,0] 或者 [0,1]猫和狗的概率# 转化图片格式image = tf.cast(image_array, tf.float32)  # 图片标准化image = tf.image.per_image_standardization(image)# 图片原来是三维的 [208, 208, 3] 重新定义图片形状 改为一个4D  四维的 tensorimage = tf.reshape(image, [1, 208, 208, 3])  logit = model.inference(image, BATCH_SIZE, N_CLASSES)  # 因为 inference 的返回没有用激活函数,所以在这里对结果用softmax 激活logit = tf.nn.softmax(logit)  # 用最原始的输入数据的方式向模型输入数据 placeholderx = tf.placeholder(tf.float32, shape=[208, 208, 3])  # 我门存放模型的路径logs_train_dir = '/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/saveNet/'   # 定义saver saver = tf.train.Saver()  with tf.Session() as sess:  print("从指定的路径中加载模型。。。。")# 将模型加载到sess 中 ckpt = tf.train.get_checkpoint_state(logs_train_dir)  if ckpt and ckpt.model_checkpoint_path:  global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1]  saver.restore(sess, ckpt.model_checkpoint_path)  print('模型加载成功, 训练的步数为 %s' % global_step)  else:  print('模型加载失败,,,文件没有找到')  # 将图片输入到模型计算prediction = sess.run(logit, feed_dict={x: image_array})# 获取输出结果中最大概率的索引max_index = np.argmax(prediction)  if max_index==0:  print('猫的概率 %.6f' %prediction[:, 0])  else:  print('狗的概率 %.6f' %prediction[:, 1]) 
# 测试
evaluate_one_image()

/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/testImg/ 存放的是我从百度下载的猫狗图片
这里写图片描述

执行结果:
因为从testimg 中选取图片是随机的,所以每次执行的结果不同

从指定的路径中加载模型。。。。
模型加载成功, 训练的步数为 11999
狗的概率 0.964047
[Finished in 6.8s]

代码地址:https://github.com/527515025/My-TensorFlow-tutorials/blob/master/猫狗识别/evaluateCatOrDog.py

欢迎star。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/72106.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

中国最美的一千个汉字 : 千字文5

中国最美的一千个汉字 : 千字文5 具膳餐饭,适口充肠。 平时的饭菜,要适合口味,让人吃得饱。 image image image image image image image image 饱饫烹宰,饥厌糟糠。 饱的时候自然满足于大鱼大肉,饿的时候应当满足于粗…

中国最美的一千个汉字 : 千字文3

中国最美的一千个汉字 : 千字文3 背邙面洛,浮渭据泾。 洛阳北靠邙山,面临洛水,长安北横渭水,远据泾河。 image image image image image image image image 宫殿盘郁,楼观飞惊。 宫殿回环曲折,楼台宫阙凌空…

一专多能、刻意练习和终身成长

目录 缘起 什么是“一专多能” 什么是“刻意练习” 终身成长 最后 最后的最后 参考链接 本篇接上一篇《关于学习的三个终极问题》(以后简称它为“三个问题”) 缘起 如果说“三个问题”还有什么大遗憾的话,那就是它并没有提出问题的解…

这一年,这些书:2020年读书笔记

Note: 以下 markdown 格式文本由 json2md 自动转换生成,可参考JSON转Markdown:我把阅读数据从MongoDB中导出转换为.md了了解具体的转换过程。 面纱 作者:毛姆[英] ISBN:9787210082835 出版社:江西人民出版社 出版日…

计算机的历史——到底谁是第一台计算机?

(计算机的英文原词“computer”是指从事数据计算的人。而他们往往都需要借助某些机械计算设备或模拟计算机。) 沿着时间轴我们可以大概将计算机的发展历史分为四个阶段 目录 1.机械计算设备时代 1.1机械形式计算向电子式计算转变的一些关键点 1.1…

1.secureCRT注册机patch失败

电脑系统:win10专业版。我使用的是绿色版的secureCRT,注册机是配套的。什么是绿色版的secureCRT,也就是解压后无需安装可以直接使用的。 先说明,我这种情况,我在第一次的注册是成功的。 但是在我重装系统后就不行了。…

python自动修图_有码变高清!AI修图PULSE一秒还原马赛克

【实例简介】PULSE是一种新型超分辨率算法,它通过潜在空间探索对照片采样,可以将16x16像素的低分辨率(Low Resolution,简称LR)放大到1024x1024像素的高分辨率(High Resolution,简称HR&#xff0…

图片马赛克检测

视频在传输过程中,由于编解码出现问题,会导致视频出现不同程度的损伤,其中就包括视频马赛克现象。马赛克对于视频的观看效果有着很大的影响,为了及时有效地发现视频中是否存在马赛克,这里基于视频图像进行图像马赛克检…

“马赛克”真能去除了?老司机狂喜!

点击“开发者技术前线”,选择“星标” 让一部分开发者看到未来 有人说,马赛克的发明,就是人类文明史上一次重大的“开倒车”。 也有人说,马赛克就是阻碍人类进步的绊脚石。 从功能上讲,马赛克是一种用来遮盖原画面的手…

想给视频去色并加马赛克就用它

怎么才能在给大量视频去色的同时添加一个马赛克呢?其实这个很简单,今天小编就来教大家一个可以快速批量操作的简单方法,下面就一起来看看吧! 首先,打开浏览器搜索“固乔科技”,在固乔科技的官网里下载一个叫…

AI算法:马赛克照片都能还原成高清照

在这个追求高清画质的时代,我们对渣画质的容忍度越来越低。在网络上搜索「低分辨率」、「渣画质」,会看到一大片诸如「如何补救清晰度低的照片」、「如何拯救渣画质」之类的问题。那么,将渣到马赛克级别的画面秒变高清,是一种怎样…

再厚的马赛克都能被扒干净?这款开源「去码」神器火了

↑↑↑关注后"星标"简说Python人人都可以简单入门Python、爬虫、数据分析 简说Python推荐来源:扩展迷EXTFANSOne old watch, like brief python 有人说,马赛克的发明,就是人类文明史上一次重大的“开倒车”。 也有人说,…

【图像处理】马赛克

如何给一张图片打上马赛克呢? 马赛克原理 图像的马赛克效果是通过设置指定大小的像素块,并让这个像素块中的所有像素点设置为统一值来实现的。 方法一 手动制作马赛克 原理:这个过程有点像卷积的过程,如让这个像素块是10*10&a…

太可怕,有码变高清!AI 一秒还原马赛克?

作者 | 贝爽 转自:雷锋网(leiphone-sz) 论文地址:https://arxiv.org/pdf/2003.03808.pdf 像素不够,后期修图来凑? 在知乎搜索低像素修图,结果求助帖多到刷不完,而且从PS技巧、插件神…

计算机类相关比赛(大学生版)

大学生了,就要闷声干大事 提升专业技能:计算机类比赛基本上需要运用编程技巧、数据结构等专业知识,并锻炼团队协作和解决问题的能力。通过参与比赛,可以增强自己的专业技能水平和实际动手能力。 拓展视野:比赛可以为参…

分享五个计算机专业答辩ppt_附录csdn下载

一、基于javaEE网上商城管理系统的答辩ppt 基于javaEE网上商城管理系统答辩ppt-Java文档类资源-CSDN下载新颖的基于javaEE网上商城管理系统答辩ppt成品例子,往年的优秀答辩ppt成品更多下载资源、学习资料请访问CSDN下载频道.https://download.csdn.net/download/weixin_536…

计算机毕业答辩问题整理

我做的是个系统,排在后边没怎么问到技术性问题,前面同学有被问到。 之前总结的答辩问题没用上,所以给大家分享一下,适用于我的系统, 大家根据自己系统改一改。有用的话点个赞吧! 希望大家答辩顺利通过

【答辩问题】计算机专业本科毕业设计答辩指导

下面是总结的一些答辩期间的问题(结合论文中出现过的整理) 1、答辩一般流程是,演示PPT演讲,答辩老师问答,演示系统(具体咨询自己导师) 2、答辩老师一般不懂比较新的技术,只知原理&…

【答辩问题】计算机专业本科毕业设计答辩问题

下面是总结的一些答辩期间的问题(结合论文中出现过的整理) 1、MVC设计模式是指什么,其优缺点,怎样用到在你的程序里 2、SSM/SSH框架是指什么,其优缺点,怎样用到在你的程序里 3、前端用到了什么技术&#xf…

课前课后

测试结果 正确答案内容