学习人工智能第五周：深度学习的项目(下）

以图分类

需求:通过机器学习的方式，让机器学习认字
分类问题:输入图像，输出类别0_910类，+其他类
用dnn模型进行分类，输出函数用什么函数?
如果各个类别互斥，softmax
如果不互斥，如图像的情感分析
拒绝类怎么来:最好的方式随机生成，正常类有规律，拒绝类千奇百怪

图像存储
32*32像素，
将图像作为输入，应该怎么输入，二维拉一维,图像归一化
1确定神经网络的输入纬度m*n
2所有输入的图像，都经过resize过程，归一化m*n
一维输入……自由发挥(先用简单网络，慢慢变复杂)……softmax
简单:层数少，每层神经元少
简单的好处:时间短，过拟合不严重，泛华能力强

数据反馈系统:用户对模型识别，对于有规律容易弄混(3和8)额外训练，对于无明显的搜集，进行二次学习
总结:做ai项目的步骤
1吃透需求，掌握现有的条件，确定模型的选择
2搭建模型，进行训练，训练之前进行小批量测试
3上线和架构沟通
4定时收集数据，进行模型和策略方案，适时调整

以图识图

以图搜图
需求:输入图片找相似图片
思路:计算图像之间的相似度
图像……encode……low降纬度……decoder……图像计算两图之间的距离
根据距离，调整encoder和decode，加入噪声，增加两参数的泛华能力
深度学习最大的惊喜:特征自动学习
encoder着重保存骨架信息，decode着重还原信息

编码:
通信领域:信号无损传递，在传的过程中抵抗噪声的干扰，信号可以理解为几乎没有噪声
机器学习领域:编码是有损编码，希望通过编码对特征提取，踢出信息量少的信息，原因信息本身有噪声
拓展:
公安局从图库中找疑似图片怎么解决?
需要重视准备率，重视召回率，宁可没那么难，也不能漏
构架一样，只是要放在大箱子里，原因，特征纬度高，每个图像只能选择几个
倒排索引:
我要学习机器学习 在100亿文章中取
离线对机器学习的的一种组织方式
将文章分词 机器……doc1,doc3