经过几个月富有挑战性但是受益良多的学习,我最近从Udacity的Python Nanodegree program AI编程专业毕业。最后一个项目是用PyTorch创建一个102种不同类型的花的图像分类器。
在做这个final project的时候,很多同学都遇到了类似的问题和挑战。当我接近完成的时候,我决定与大家分享一些在未来对他人有益的建议和见解。
通过3篇短文,介绍如何实现图像分类器的概念基础——这是一种能够理解图像内容的算法。
本文的目标不是提供手把手的指导,而是帮助理解整个过程。如果你正在考虑学习机器学习或人工智能,你将不得不做类似的项目,并理解本系列文章中介绍的概念。
文章主要进行概念上的解释,不需要知道如何编写代码。此外,下面所包含的PyTorch细节是次要的,主要以PyTorch作为示例。
这个过程的第一步是加载一个pre-trained神经网络。在讨论这一步时,我将解释为什么要“reuse”网络(即使用“pre-trained”网络),阐明哪些部分可以重用,哪些部分不能重用,并提供如何根据需要定制pre-trained网络的指导。
加载预训练的网络
reuse是一种十分合理的策略,尤其是众所周知并且得到广泛认可的标准。在示例中&#x