字节跳动面试：对于Tersorflow你怎么理解的，有做过人工智能的应用吗

最新推荐文章于 2024-08-05 22:21:11 发布

初壹十五a

最新推荐文章于 2024-08-05 22:21:11 发布

阅读量1.1k

点赞数 1

分类专栏： Android BAT 面试知识移动开发 Android Jetpack 面试字节跳动文章标签： Android 面试程序员 Tersorflow 人工智能

本文链接：https://blog.csdn.net/Android_SE/article/details/99869069

版权

本文分享了一次面试中关于Tensorflow的理解和人工智能应用的讨论。作者介绍了一个数字手势识别APP的开发过程，包括数据集的收集与处理、模型训练以及在Android Studio中的集成。通过数据增强、模型构建、训练与迁移，展示了Tensorflow在Android项目中的应用。

摘要由CSDN通过智能技术生成

本专栏专注分享大型Bat面试知识，后续会持续更新，喜欢的话麻烦点击一个关注

面试官: 对于Tersorflow你怎么理解的，有做过人工智能的应用吗

心理分析：了解tersorflow并且应用到项目中的，可谓少之又少。国内几乎没有多少Android开发者对人工智能有过认识。也不明白人工智能对Android带来的风险与机会。如果面试官问到了tersorflow 一定是想深挖你。在问这个问题就已经决定要你了。人工智能可以说相当重要，
往往会忽略调并发处理，这道题会难住绝大多数人
求职者：对人工智能的理解入手。告诉面试官我以前做过一个电视机识别手势的功能

接下来我们来分享什么是人工智能，对Android来说能做什么。如何训练模型设定神经网络，集成AndroidStudio出发。全方位的带你理解tersorflow人工智能

我以前做过电视机识别手势。数字手势识别APP，具体分享下如何一步步训练一个卷积神经网络模型（CNN）模型，然后把模型集成到Android Studio中，开发一个数字手势识别APP。整个project的源码已经开源在github上。先说下这个数字手势识别APP的功能：能够识别做出的 0，1，2，3，4，5，6，7，8，9，10这11个手势。

一、数据集的收集

这么点照片想训练模型简直天方夜谭，只能祭出 data augmentation（数据增强）神器了，通过旋转，平移，拉伸等操作每张图片生成100张，这样图片就变成了21500张。下面是 data augmentation 的代码：

from keras.preprocessing.image import ImageDataGenerator, img_to_array, load_img
import os

datagen = ImageDataGenerator(
    rotation_range=20,
    width_shift_range=0.15,
    height_shift_range=0.15,
    zoom_range=0.15,
    shear_range=0.2,
    horizontal_flip=True,
    fill_mode='nearest')
dirs = os.listdir("picture")
print(len(dirs))
for filename in dirs:
    img = load_img("picture//{}".format(filename))
    x = img_to_array(img)
    # print(x.shape)
    x = x.reshape((1,) + x.shape) #datagen.flow要求rank为4
    # print(x.shape)
    datagen.fit(x)
    prefix = filename.split('.')[0]
    print(prefix)
    counter = 0
    for batch in datagen.flow(x, batch_size=4 , save_to_dir='generater_pic', save_prefix=prefix, save_format='jpg'):
        counter += 1
        if counter > 100:
            break  # 否则生成器会退出循环

二、数据集的处理

1.缩放图片

接下来对这21500张照片进行处理，首先要把每张照片缩放到64*64的尺寸，这么做的原因如下：

不同手机拍出的照片的size各不相同，要统一
如果手机拍出来的高分辨率图片，太大，GPU显存有限，要压缩下，减少体积。
APP通过手机摄像头拍摄出来的照片，不同机型有差异，要统一。

对图片的缩放不能简单的直接缩小尺寸，那样的话会失真严重。所以要用到一些缩放算法，TensorFlow中已经提供了四种缩放算法，分别为：双线性插值法（Bilinear interpolation）、最近邻居法（Nearest neighbor interpolation）、双三次插值法（Bicubic interpolation）和面积插值法（area interpolation）。我这里使用了面积插值法（area interpolation）。代码为：

#压缩图片,把图片压缩成64*64的
def resize_img():
   dirs = os.listdir("split_pic//6")
   for filename in dirs:
       im = tf.gfile.FastGFile("split_pic//6//{}".format(filename), 'rb').read()
       # print("正在处理第%d张照片