视频中人物识别--tensorflow介绍

 在开始写视频中人物的识别时用到的知识点有cnn与tensorflow，在此首先介绍一下其中应用到深度学习框架tensorflow。

1 深度学习框架介绍前的“废话”

    到目前为止深度学习的框架有Tensorflow、Caffe、Theano、MXNet、Torch和PyTorch等，如果帖友有时间的话可以多多学习几种框架，不过个人认为在项目中使用更能加深对框架的熟悉。我在此只大概总结下项目中用到的tensorflow框架和自己所了解的caffe,其它的帖友可以在网上百度。

2  tensorflow简单总结

      TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。

      数据流图：数据流图用节点和线的有向图来描述数学计算。节点一般用来施加数学操作或者表示数据输入的起点/输出的终点。线表示节点之间的输入/输出关系。这些数据线可以传送大小可动态调整的多维数组，即张量。

      张量：Tensor（张量）是Tensorflow中最重要的数据结构，用来表示Tensorflow程序中的所有数据。Tensor本是广泛应用在物理、数学领域中的一个物理量。实际上，我们可以把Tensor理解成N维矩阵（N维数组）。其中零维张量表示的是一个标量，也就是一个数；一维张量表示的是一个向量，也可以看作是一个一维数组；二维张量表示的是一个矩阵；同理，N维张量也就是N维矩阵。

  优点：1）可自行设计神经网络结构；2）不需要通过反向传播求解梯度，Tensorflow支持自动求导；3）TensorFlow有功能强大的可视化组件TensorBoard，能可视化网络结构和训练过程，对于观察复杂的网络结构和监控长时间、大规模的训练很有帮助；4）具有灵活的移植性，编译速度较快；5）可进行并行设计，充分利用硬件资源等

  缺点：1）文档和接口混乱；2）默认占用所有GPU的所有内存等

3 tensorflow的整体介绍

   1）使用图 (graph) 来表示计算任务   .

   2）在被称之为 会话 (Session) 的上下文 (context) 中执行图.

   3）使用 tensor 表示数据.

   4）通过 变量 (Variable) 维护状态.

   5）使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据

4  tensorflow构图与运行时涉及的函数：

   constant()函数在Tensorflow中的使用非常频繁，经常被用于构建图模型中常量的定义。

   variable()也是在Tensorflow中经常会被用到的函数。变量的作用是保存和更新参数。执行图模型时，一定要对变量进行初始化，经过初始化后的变量才能拿来使用。变量的使用包括创建、初始化、保存、加载等操作

   fetch为了取回操作的输出内容, 可以在使用 Session 对象的 run() 调用 执行图时, 传入一些 tensor, 这些 tensor 会帮助你取回结果. 在之前的例子里, 我们只取回了单个节点 state, 但是你也可以取回多个 tensor:

    tensorflow的内容很多，在此就不详细介绍了。

5 caffe的介绍

     caffe是一个开源的深度学习框架，可读性高，它允许利用自己的CPU或者GPU训练网络，不需要自己编写程序，只需要通过配置文件来指定网络。
     caffe都是一些模块组成，模块包括4个部分： Caffe由低到高依次把网络中的数据抽象成Blob, 各层网络抽象成Layer ，整个网络抽象成Net，网络模型的求解方法抽象成Solver。

1.Blob表示网络中的数据，包括训练数据，网络各层自身的参数，网络之间传递的数据都是通过Blob来实现的，同时Blob数据也支持在CPU与GPU上存储，能够在两者之间做同步。

2.Layer是对神经网络中各种层的抽象，包括卷积层和下采样层，还有全连接层和各种激活函数层等。同时每种Layer都实现了前向传播和反向传播，并通过Blob来传递数据。

3.Net是对整个网络的表示，由各种Layer前后连接组合而成，也是所构建的网络模型。

4.Solver 定义了针对Net网络模型的求解方法，记录网络的训练过程，保存网络模型参数，中断并恢复网络的训练过程。自定义Solver能够实现不同的网络求解方式。
优点    
      1）上手快：模型与相应优化都是以文本形式而非代码形式给出。
               Caffe给出了模型的定义、最优化设置以及预训练的权重，方便立即上手。
      2）速度快：能够运行最棒的模型与海量的数据。
              Caffe与cuDNN结合使用，测试AlexNet模型，在K40上处理每张图片只需要1.17ms.
     3）模块化：方便扩展到新的任务和设置上。
             可以使用Caffe提供的各层类型来定义自己的模型。
      4）开放性：公开的代码和参考模型用于再现。

缺点：1）不灵活。在 Caffe 中，每个节点被当做一个层，因此如果你想要一种新的层类型，你需要定义完整的前向、后向和梯度更新过程。这些层是网络的构建模块，你需要在无穷无尽的列表中进行选择； 2）需要大量的非必要冗长代码。如果你希望同时支持 CPU 和 GPU，你需要为每一个实现额外的函数。你还需要使用普通的文本编辑器来定义你的模型。