人脸识别技术实现，机器学习分类，网络搭建

一。人脸识别技术

1.python编程环境构建

下载anaconda，CUDA，CUDNN

下载完成后（开始键+r）输入cmd后输入conda，显示以下内容即可

 2.程序实现

环境构建成功后，进入VS下载python，（有需求也可下载中文包）

输入人类识别代码，会自动打开摄像头进行检查。

结果显示

 

 注意事项：1.进行程序导入时要将整个文件拖入vs，复制粘贴不可行。

2.编程环境为conda。而非默认环境。

二.机器学习分类

 1.回归问题是定量问题，分类问题是定性问题。

 回归与分类的根本区别在于输出空间是否为一个度量空间。 分类和回归的区别在于输出变量的类型。 定量输出称为回归，或者说是连续变量预测； 定性输出称为分类，或者说是离散变量预测。 举个例子： 预测明天的气温是多少度，这是一个回归任务； 预测明天是阴、晴还是雨，就是一个分类任务。

形如x，y函数映射关系。x与y可以进行交换，所以分类和回归也可进行 转换。

2.损失函数用来评价模型的预测值和真实值不一样的程度，损失函数越好，通常模型的性能越好。不同的模型用的损失函数一般也不一样。

 

 3.超参数

超参数也是一个参数，是一个未知变量，但是它不同于在训练过程中的参数，它是可以对训练得到的参数有影响的参数，需要训练者人工输入，并作出调整，以便优化训练模型的效果。（1.学习率，损失函数上的可调参数。2.批样本数量。3.优化器超参数）

参数和超参数：区分两者最大的一点就是是否通过数据来进行调整，模型参数通常是有数据来驱动调整，超参数则不需要数据来驱动，而是在训练前或者训练中人为的进行调整的参数。

三.网络搭建

包括：卷积层，全连接层，池化层，激活函数，bn操作

卷积层和池化层————特征提取

全连接————大串联，全部存在

激活函数————是用来加入非线性因素的

（

Maxout函数

 Leaky ReLU函数

 ReLU函数

 

）

以上，一二两节课实际记录。

一入编程深似海，从此头发是路人。