在TensorFlow Hub中嘗試傳輸學習

在本文中,我將嘗試使用TensorFlow Hub(TF-HUB)對花卉圖像進行分類。至於程序,TF-HUB的官方教程很容易理解,因此可以作為參考。此外,我將嘗試在一系列過程中獨立收集圖像數據,並將其作為教師數據進行學習。 目錄 關於TensorFlow Hub摘要首頁模型搜索實驗室設置啟用GPU轉移學習對花卉圖像的分類圖書館安裝模塊選擇準備教師數據模型定義學習的執行和評估添加原始教師數據並嘗試圖像分類圖像數據的集合重新加載數據使用其他數據運行學習用測試數據預測摘要 關於TensorFlow Hub 摘要   有一個像TensorFlow Hub這樣的知識庫,這是一個預先學習的機器學習模型庫。這是一個用於發布,使用和發現機器學習模型的可重用部分的庫。TensorFlow圖是一個獨立的TensorFlow圖,轉移學習允許您在不同任務之間重用權重和資產。 轉學習的優點如下。 用小數據集訓練模型改善泛化加快學習速度 首頁 現在,讓我們試試TensorFlow Hub(TF-HUB)。從以下URL訪問TF-HUB頁面。 https://tfhub.dev/ 已經顯示了TF-HUB的首頁。目前(2019/3/28),註冊了227個預先訓練的模型。細分如下。 輸入數據格式:文本(46),圖像(179),運動圖像(2)算法:文本嵌入(46),圖像分類(71),圖像特徵向量(71),圖像生成(22),圖像其他(對象)檢測(2),地標檢測(1),圖像擴展(6),運動圖像分類(2) 如果從搜索窗口搜索“tf2”,則可以使用該模塊的“TensorFlow 2.0 Preview”版本。由於這與SavedModel 2.0格式相對應,因此請確保在安裝了TensorFlow 2.0和TensorFlow Hub 0.3.0的環境中執行庫版本。 模型搜索  好吧,讓我們實際上搜索一個模型。 當模塊類型通過搜索窗口中的“tf2”的“image-feature-vector”縮小時,將出現以下兩個。這些模型將在後面描述,但在這裡,在第二行選擇“tf2-preview / inception_v3…

0 Comments

我嘗試使用google的機器學習服務Vision API使用網路攝影機進行人臉檢測

最近,“機器學習”這個詞已經擠滿了AlphaGo等非凡的活動,但您知道“ Google Cloud Vision API ”(以下稱為“Vision API”)嗎?Vision API是一種使用谷歌機器學習模型的圖像識別服務。官方網址:https://cloud.google.com/vision/h 如果您說“機器學習”,您可能認為您需要專業知識,例如深度學習,但在使用Vision API時不需要這些知識。Vision API僅使用Google學習的機器學習模型,因此用戶可以將基於64位編碼的圖像數據(* 1)和圖像檢測類型(OCR或面部檢測)添加到Vision API URL。您可以通過POST等分析圖像中的內容和情況。例如,當通過面部檢測功能處理具有人臉的圖像時,從圖像中的面部和眼睛和鼻子的位置信息以及面部表情返回情緒的預測結果。 ※1)和base64編碼的圖像數據,使用64種類型的字母數字的,用於處理多字節字符或二進制數據中不能被處理的其他字符的通信環境中的編碼方法。 這一次,最多的描述將能夠使用這樣的Vision API,可以實現任何人,我想向大家介紹一個Web應用程序的人臉檢測近實時使用Vision API和PC網路攝影機。 目錄 創建GCP項目啟動Vision API服務單擊項目儀表板屏幕左上角的菜單圖標從菜單中選擇“API Manager”在API列表屏幕的搜索窗口中輸入“vision”並蒐索API從API搜索結果中選擇“Google Cloud Vision API”激活Vision API服務從屏幕上檢查是否啟用了Vision API服務創建Vision API的API密鑰轉換到“API Manager”的“憑據”屏幕單擊要創建的憑據的API密鑰選擇API密鑰的類型創建API密鑰確認運行Web應用程序Web應用程序代碼說明步驟1.啟動網路攝像頭步驟2.獲取捕獲的網路攝像頭視頻圖像步驟3. Base64將捕獲的圖像和POST編碼到Vision API URL步驟4.取出面部的坐標位置並將其繪製在屏幕上摘要…

0 Comments

讓我們通過機器學習嘗試語音識別服務,最終成為GA Try Cloud Speech API!

大家都知道google正在提供名為Cloud Speech API的服務嗎?Cloud Speech API是一種使用Google的語音識別技術將語音轉換為文本的服務。此外,通過使用Web和Android上的語音搜索時的數據和最新的深度學習技術,每天改進語音識別技術,並且每天都提高Cloud Speech API的準確性。 雖然它是這樣的Cloud Speech API,但自去年夏天宣布以來,它一直作為測試版運行。然而,谷歌宣布它於4月17日終於成為GA(普遍可用)。 Cloud Speech API現已普遍推出https://cloudplatform.googleblog.com/2017/04/Cloud-Speech-API-is-now-generally-available.html 此外,上面還有一篇博文,但這次是成為GA 提高較長聲音的轉換準確度比傳統的批處理快約3倍WAV,OPUS,Speex支持 似乎有一個延伸。 如果您只想嘗試準確性,可以 直接從https://cloud.google.com/speech/頁面進行嘗試。 本文介紹了Cloud Speech API的主要特性和用法,它剛剛成為GA。 目錄 Cloud Speech API功能Cloud Speech API類型API限制關於電話的Cloud Speech API成本提前準備創建項目啟用API和獲取Service Account試試Cloud Speech…

0 Comments

Google的日語機器學習API!!

GCP的機器學習API使用TensorFlow構建自己的機器學習模型“Cloud Machine Learning Engine”,“Cloud Speech API(語音識別)”已經通過谷歌的機器學習模型學習,以及“Cloud Vision API”這些包括API(圖像識別)和Cloud Video Intelligence API(視頻識別)。 與機器學習引擎不同,學習的API不需要由用戶學習,因此任何沒有機器學習知識的人都可以輕鬆使用它。此外,識別準確度非常高,並且將來會繼續改進。但是,對於Vision API和Video Intelligence API,識別結果(標籤)以英語輸出,這可能是它們在日本使用的障礙。我認為解決此問題的最佳解決方案之一是Translation API,它專門用於翻譯。這將解決語言障礙問題。所以,這一次,作為在日本使用的一個例子,我試圖通過結合Video Intelligence API和Translation API來使它成為日語!!另外,我想介紹一些減少Translation API費用的想法! 什麼是Cloud Video Intelligence API? 這是一個使用Google學習機器學習模型提取視頻中元數據的API。要分析的視頻必須存儲在Google Cloud Storage (GCS)中。功能包括檢測標籤和準確度的“標籤檢測”,例如“狗”,“花”,“汽車”,“鏡頭檢測”,可檢測電影中是否有場景變化,存在檢測適當對象的“安全搜索檢測”。Video Intelligence API概述頁面…

0 Comments

機器學習前線!我開始使用Google CLOUD MACHINE LEARNING ENGINE!

最近,我經常聽到機器學習和深度學習這兩個詞。你知道機器學習,但有些人可能沒有真正使用它。去年,google宣布推出用於機器學習的雲服務。這是Google Cloud Machine Learning。 Google Cloud Machine Learning是一個託管平台(由Google Cloud Platform提供),可讓您輕鬆構建任意大小的機器學習模型,無論大小如何。Google Cloud Machine Learning(Cloud ML)的背面使用了由Google開發的機器學習庫TensorFlow。但是,如果不了解TensorFlow或機器學習,可以輕鬆嘗試Cloud ML。 這次,我想使用Cloud ML使用MNIST執行圖像分析,MNIST通常用於機器學習教程。MNIST是一個包含手寫數字圖像數據和正確標籤的數據集。使用此數據集訓練機器學習模型。然後,機器學習模型可以預測手寫數字圖像代表哪個數字。訓練腳本和數據集已經可用,因此只需完成命令即可。請試試看。 ※由於Cloud ML目前是測試版,因此可能會更改規格。 MNIST由手繪圖像組成,如上圖所示,每個圖像都有正確的答案標籤。(引自MNIST For ML Beginners) 目錄 什麼是Google Cloud Machine LearningCloud Machine Learning費用Cloud…

0 Comments

因為有一個CLOUD VIDEO INTELLIGENCE API演練,我馬上試用了

目錄 視頻機器學習API“雲視頻智能API”發布!讓我們一次嘗試Cloud Video API演示指定並執行視頻文件識別結果:確認標籤識別結果:射擊識別結果:API嘗試使用Cloud Video Intelligence API的摘要 視頻機器學習API“Cloud Video Intelligence API”發布! 最後,Google宣布推出用於視頻的機器學習API“Cloud Video Intelligence API”。此API輸入電影文件並識別電影中的場景中斷,每個時區的場景以及此處顯示的對象。這一點使用了Google使用大量Youtube數據學習的機器學習模型。由於數據是機器學習的生命,因此使用具有此優勢的模型具有很大的優勢。它還沒有正式發布,它是私有Beta版,所以如果你想在自己的GCP環境中試用它,你需要從以下頁面申請。 https://cloud.google.com/video-intelligence/ 我想在官方頁面上試一下這個演示。 讓我們一次嘗試Cloud Video API演練 該演示在官方頁面上,因此請訪問以下URL。https://cloud.google.com/video-intelligence/#demo 指定並執行視頻文件 在GCS上指定視頻文件的路徑,然後單擊“ANNOTATE VIDEO”按鈕開始識別視頻文件。順便說一下,這次我作為樣本準備的視頻文件的內容是冬天的風景的彙編。因此,作為預測,我認為將與雪和冬天聯繫起來的詞語將得到認可。現在,讓我們點擊“ANNOTATE VIDEO”按鈕並檢查識別結果。 識別結果:確認Labels 識別結果:在“標籤”選項卡中,“視頻標籤”似乎顯示6個在整個視頻文件中查看時經常被識別的項目。“冬天和雪”這兩個詞在頂部被識別出來,所以結果似乎與預期一致。 此外,視頻文件的大小為46.51 MB,長度為2分52秒,但視頻識別結果顯示在“視頻標籤”中大約需要33秒。在這種情況下,與實際比例相比,它似乎以四分之一速度進行處理。它比視頻編碼過程快得多。 識別結果:Shots…

0 Comments

CLOUD MACHINE LEARNING ENGINE簡介(第3部分)

目次 這次GAE / J上的預測API關於演示程序GCP項目設置準備使用CLOUD MACHINE LEARNING ENGINE創建服務帳戶創建一個Eclipse項目並添加一個庫創建PredictionLogic類import語句,類聲明,常量聲明創建服務對象的方法Insertpredict摘要 這次GAE / J上的預測API 大家好。預測API簡介最後是第3部分。 第1部分 CLOUD MACHINE LEARNING ENGINE進行概述,第2部分介紹在使用API瀏覽器,使用Java的客戶端庫此時執行方法,創造了一個演示程序使用GAE / J.的理論推斷API 在本文中,我們將介紹演示程序並使用Prediction API解釋邏輯部分的代碼。 這裡,Eclipse 4.3(Kepler)+ Google插件被假定為開發環境。 第一部分,第二部分的文章是這裡的 CLOUD MACHINE LEARNING ENGINE 簡介(第1部分) CLOUD…

0 Comments

如何得知Cloud Shell服務的所在區域

你在使用Cloud Shell嗎?在這邊我們將探討如何才能找出Google Cloud Console的"Google Cloud Shell"(以下簡稱“Cloud Shell”)所在區域! 如果您已經開始使用Cloud Shell一段時間,可能僅僅知道它是一個非常好用的功能但卻沒有辦法對其他人做解釋,那下面幾個項目可以幫助您輕鬆解釋什麼是Cloud Shell... 在幾秒鐘之內即可部署完成經過認證的Linux環境,並且能夠使用最新的Google SDK以及其他實用程序任何可以使用GCP主控台的瀏覽器都可以隨時隨地訪問由於已經配置開發工具和程式碼編輯器,因此可以立即開始工作網頁預覽功能使其可以在Cloud Shell虛擬機上運行一個5GB的永久磁碟免費連接到$ HOME。 等等... CloudShell的實際配置是基於Debian-Linux的g-small(0.5 CPU / 1.70 GB內存),它是ComputeEngine的共享核心類型。此外,可以透過“增強模式”升級到n1-standard-1(1 CPU / 3.75GB內存),讓您在接下來的24小時可暫時提升 Cloud Shell VM 的運作效能※詳情請查閱此處(https://cloud.google.com/shell/docs/features) 過去需要花費許多時間的工作變成只要在幾秒鐘內就可完成,很不錯吧! 介紹完Cloud Shell的基本概念後,不知道當你在使用時,你有沒有想過這個Cloud…

0 Comments

GCE的超強性能!在100秒內啟動1000個核心!

在進行這個實作之前,原本以為GCE啟動1000個核心的等待時間令人感到非常沮喪,結果 大約只花100秒就能啟動1000個核心! 125個8核心服務器啟動時間為1分41秒 以下是實際操作的結果 date; time gcloud compute --project "cloud-ace-demo" instances create a`seq -s" a" 1 125` --zone "asia-east1-b" --machine-type "n1-highcpu-8" --network "default" --maintenance-policy "MIGRATE" --scopes "https://www.googleapis.com/auth/devstorage.read_only","https://www.googleapis.com/auth/logging.write" --image "https://www.googleapis.com/compute/v1/projects/centos-cloud/global/images/centos-6-v20190326" --boot-disk-size…

0 Comments

CLOUD MACHINE LEARNING ENGINE簡介(第2部分)

目錄 CLOUD MACHINE LEARNING ENGINE入門版提前準備準備學習數據GCP項目設置執行每種方法insertgetanalyzepredictlistupdatedelete摘要 CLOUD MACHINE LEARNING ENGINE入門版入 大家好。 在第1部分中,它僅是CLOUD MACHINE LEARNING ENGINE大綱的介紹,但這次,我想基於實際示例進行解釋。這裡討論的預測的一個例子是官方文檔CLOUD MACHINE LEARNING ENGINE,但在本文中我們將使用API​​ Explorer *來執行CLOUD MACHINE LEARNING ENGINE中提供的所有方法,並給出一個簡短的解釋我會做的。 “Prediciton API Primer”計劃用於第1和第2部分,但它分為三部分:第1部分,第2部分和第3部分。在第2部分中,我們計劃在Java中引入範例程序。 第1部分和第3部分的文章在這裡 CLOUD MACHINE LEARNING ENGINE 簡介(第1部分)…

0 Comments

End of content

No more pages to load