4.訓(xùn)練算法:不同的訓(xùn)練算法有不同的收斂速度和訓(xùn)練時(shí)間。以下是影響訓(xùn)練 time的一些主要因素:1，數(shù)據(jù)套大小:較大數(shù)據(jù)套需要較長訓(xùn)練次，如何使用bing算法訓(xùn)練自有模型調(diào)用訓(xùn)練MNIST好模型并測試？得到-1訓(xùn)練 20000張圖片的第一步需要2個(gè)多小時(shí)，總共只有6個(gè)小時(shí)左右，所以提高訓(xùn)練的速度非常重要。

最好的人臉識(shí)別系統(tǒng)在理想情況下的表現(xiàn)要比人類識(shí)別好得多。但是一旦環(huán)境條件變差，系統(tǒng)的性能就不盡如人意。計(jì)算機(jī)科學(xué)家當(dāng)然希望開發(fā)一種能夠在所有情況下都表現(xiàn)良好的算法?，F(xiàn)在，中國香港大學(xué)的湯曉鷗教授和他的學(xué)生盧超超宣布，他們已經(jīng)解決了這個(gè)問題。他們開發(fā)了一種叫做“高斯”的人臉識(shí)別算法，首次超越了人類。新的識(shí)別系統(tǒng)可以為各種平臺(tái)提供人類級(jí)別的識(shí)別能力，從手機(jī)到電腦游戲中的人臉識(shí)別，從安全系統(tǒng)到密碼控制等等。

這需要非常廣泛的不同面孔的圖像，各種復(fù)雜的動(dòng)作，燈光和表情，各種種族，年齡和性別都應(yīng)該考慮在內(nèi)。然后還要考察服裝、發(fā)型、妝容等其他因素的影響。好在有這樣一個(gè)標(biāo)準(zhǔn)數(shù)據(jù)library labelled faces，各種臉。它有超過13，000張不同面孔的圖片，這些圖片是從互聯(lián)網(wǎng)上收集的6，000個(gè)不同的公眾人物。

進(jìn)入object_detection目錄。run:python train . py train _ dir /home/shz/tfodtest/train pipeline _ config _ path /home/shz/tfodtest/models/SSD _ mobilenet/SSD _ mobilenet _ v1 _ Pascal . config 5、Tensorboard:輸入命令:tensor board logdir/home/shz/tfodtest/train。

這是我在國外學(xué)習(xí)數(shù)據(jù)挖掘的時(shí)候?qū)W到的。應(yīng)該是建立模型(訓(xùn)練數(shù)據(jù))、評估模型(驗(yàn)證數(shù)據(jù))、重新評估模塊(測試數(shù)據(jù)可選)、預(yù)測/classifyusingfinalmodel(新數(shù)據(jù))。

比如你想成為一名ANDlogic。在你建立了一個(gè)人工神經(jīng)網(wǎng)絡(luò)之后，它就是一個(gè)沒有任何功能的空白網(wǎng)絡(luò)。這時(shí)候你需要trainingdata來訓(xùn)練你的網(wǎng)絡(luò)。這時(shí)候訓(xùn)練出來的數(shù)據(jù)就是ANDlogic的正確輸入和輸出，這樣這個(gè)人工神經(jīng)網(wǎng)絡(luò)就可以學(xué)習(xí)輸入和輸出的關(guān)系來模仿and logic(hen certifical Lin telligence)。