转载自:https://zhuanlan.zhihu.com/p/29309218

Python深度学习完全路线指南

介绍

深度学习目前已经成为了人工智能领域的突出话题。它在“计算机视觉”和游戏(AlphaGo)等领域的突出表现而闻名,甚至超越了人类的能力。近几年对深度学习的关注度也在不断上升,这里有一个调查结果可以参考。

这里有一个 Google 的搜索趋势图:

深度学习:Python深度学习完全路线指南[转载]

如果你对这个话题感兴趣,这里有一个很好的非技术性的介绍。如果你有兴趣了解最近的趋势,那么这里有一个很好的汇总

在这篇文章中,我们的目标是为所有深度学习的人提供一条学习之路,同时也是为想要进一步学习的人提供一条探索的路径。如果你准备好了,那么让我们开始吧!

步骤0:先决条件

建议在学习深度学习之前,你应该先了解一些机器学习的基础知识。这篇文章列出了完整的学习机器学习的资源。

如果你想要一个简单的学习版本。那么可以看下面的列表:

建议时间:2-6个月

步骤1:机器配置

在进行下一步学习之前,你应该确保你有一个支持你学习的硬件环境。一般建议你至少拥有以下硬件:

  • 一个足够好的 GPU(4 GB),最好是 Nvidia
  • 一个还可以的 CPU(比如:Intel Core i3,Intel Pentium 可能不适合)
  • 4 GB RAM(这个取决于数据集大小)

如果你还不确定,那么请阅读这个硬件指南

备注:如果你是一个硬件玩家,那么你可能已经拥有了所需的硬件。

如果你没有所需的规格,那么你可以租一个云平台来学习,比如 Amazon Web Service(AWS)。这是使用 AWS 进行深度学习的良好指南

备注:在这个阶段不要安装任何深度学习的库,安装过程我们会在步骤 3 中介绍。

步骤2:初试深度学习

现在,你已经对这个领域有了一个初步的认识,那么你应该进一步深入了解深度学习。

根据自己的偏好,我们可以选择以下几个途径:

除了上述的先学知识,你还应该了解一些流行的深度学习库和运行他们的语言。以下是一个不太完整的列表(你可以通过查看 wiki 获得更加完整的列表):

其他一些著名的库:MochaneonH2OMXNetKerasLasagneNolearn。关于深度学习语言,可以查看这个文章

你也可以查看查看 Stanford 的 CS231n 中的第 12 讲,概要性的了解一些深度学习库。

建议时间:1-3周

步骤3:选择你自己的领域

这是最有趣的部分,深度学习已经应用在各个领域中,并且取得了最先进的研究成果。如果你想更深入的了解,那么作为一个读者,你最适合的路径就是动手实践。这样才能对你现在了解的内容有一个更加深入的认识。

注意:在以下的每个领域中,都会包括一个博客,一个实战项目,一个需要的深度学习库以及一个辅助课程。第一步你应该学习一下博客,然后去安装对应的深度学习库,然后再去做实战项目。如果在这个过程中,你遇到什么问题,那么可以去学习辅助课程。

建议时间:1-2个月

步骤4:深挖深度学习

现在你应该已经已经学会了基础的深度学习算法!但是前面的路程会更加艰苦。现在,你可以尽可能高效的利用这一新获得的技能。这里有一些技巧,你应该做的,可以磨炼你的技能。

建议时间:无限

值得推荐的资源:

结语

希望这个学习路径可以帮到你。我已经尽力让它更加全面,现在你要做的,就是尽可能多的阅读和练习。想要获取神经网络的专业知识,请尝试深度学习的练习题:Identify the Digits

当你对深度学习的概念有一些了解之后,试一下Skilltest: Deep Learning。试着接受深度学习的观念。

好运!

—————————————————————————————————————

为了方便大家学习,我建立了一个Python交流群,目前群内已经有1615个小伙伴,学习寂寞的小伙伴不妨一起来玩~群号:475035830

转载自:https://zhuanlan.zhihu.com/p/29440419?group_id=893138426625429504

听说你还不懂机器学习?图片解读基本概念、五大流派与九种常见算法

机器学习正在进步,我们似乎正在不断接近我们心中的人工智能目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用,但机器学习的发展仍还在继续,甚至被认为有可能彻底改变人类文明的发展方向乃至人类自身。但你了解现在正在发生的这场变革吗?四大会计师事务所之一的普华永道(PwC)近日发布了多份解读机器学习基础的图表,其中介绍了机器学习的基本概念、原理、历史、未来趋势和一些常见的算法。为便于读者阅读,机器之心对这些图表进行了编译和拆分,分三大部分对这些内容进行了呈现,其中也加入了一些扩展链接,希望能帮助你进一步扩展阅读。

一、机器学习概览

知识:图片解读机器学习[转载]

1. 什么是机器学习?

机器通过分析大量数据来进行学习。比如说,不需要通过编程来识别猫或人脸,它们可以通过使用图片来进行训练,从而归纳和识别特定的目标。

2. 机器学习和人工智能的关系

机器学习是一种重在寻找数据中的模式并使用这些模式来做出预测的研究和算法的门类。机器学习是人工智能领域的一部分,并且和知识发现与数据挖掘有所交集。更多解读可参阅《一文读懂机器学习、数据科学、人工智能、深度学习和统计学之间的区别》。

知识:图片解读机器学习[转载]

3. 机器学习的工作方式

①选择数据:将你的数据分成三组:训练数据、验证数据和测试数据

②模型数据:使用训练数据来构建使用相关特征的模型

③验证模型:使用你的验证数据接入你的模型

④测试模型:使用你的测试数据检查被验证的模型的表现

⑤使用模型:使用完全训练好的模型在新数据上做预测

⑥调优模型:使用更多数据、不同的特征或调整过的参数来提升算法的性能表现

知识:图片解读机器学习[转载]

查看全文

树莓派使用MJPG-Streamer实现网络监控


转载自:http://blog.sina.com.cn/s/blog_abd39cc70102vrdt.html

1.         先更新apt的列表:

sudo apt-get update  

sudo apt-get upgrade

重启系统后,

sudo raspi-config

移动到第五项“Enable Camera”,回车进入,按tab键切换到“Enable”回车确认。回到主菜单,tab键切换到“Finish”回车确认。树莓派会自动重启。

2.         安装依赖库

安装libjpeg的dev版本(注:下面所有安装过程中出现是否继续时,统一选择继续:Yes)

sudo apt-get install libjpeg62-dev

sudo apt-get install libjpeg8-dev

3.         下载mjpg-streamer

wget https://github.com/jacksonliam/mjpg-streamer

或者直接到网站下载zip安装包mjpg-streamer-master.zip

使用unzip mjpg-streamer-master.zip解压

4.         编译mjpg-streamer

安装cmake

sudo apt-get install cmake

切换到mjpg的路径下:

cd  ~/mjpg-streamer-master/mjpg-streamer-experimental

        sudo make clean all

5.         安装mjpg-streamer

sudo  cp  mjpg_streamer  /usr/local/bin

sudo  cp  output_http.so  input_uvc.so  /usr/local/lib/

sudo  cp  -R  www  /usr/local/www

6.         开启mjpg-streamer

LD_LIBRARY_PATH=/usr/local/lib  mjpg_streamer -i “input_uvc.so” -o “output_http.so -w /usr/local/www”

或者LD_LIBRARY_PATH=/usr/local/lib mjpg_streamer -i “./input_uvc.so -d /dev/video0 -r 320*240 -f 12″ -o ” ./output_http.so  –p  8090  –w  /usr/local/www ”

或者添加到path路径export LD_LIBRARY_PATH=/opt/mjpg-streamer/

(-r后是分辨率参数,-f后面是帧率,请根据您的摄像头参数进行调整)8090可以自己定义

在浏览器http://:8080  打开监控界面

查看全文

2017年8月30日,网易公开课上线了吴恩达的《深度学习》课程。

吴恩达简介:

吴恩达博士是Google Brain项目的发起人和领导者,斯坦福大学的计算机科学教授,Coursera的联合创始人和联合主席。他还曾任百度的副总裁和首席科学家,在这里,他领导了约1300人的人工智能团队,并负责百度的国际人工智能战略和基础建设。由 deeplearning.ai 出品,网易引进的正版授权中文版深度学习工程师微专业课程,让你在了解丰富的人工智能应用案例的同时,学会在实践中搭建出最先进的神经网络模型,训练出属于你自己的 AI。


在网易的课程主页:https://study.163.com/topics/deepLearning/

吴恩达的 Deep Learing 学习网官网:https://www.deeplearning.ai/

课程简介:

吴恩达的汉语说的还真不错!佩服。

很早之前,就打算一起出去玩了。直到最近,才想好要去哪里。

打算去北京玩,但是机票太贵,而去天津的机票非常便宜,2个人总共980。

在前一天晚上网上办理了值机,找了靠窗户的作为,并查好了机场大巴路线。早上早早起床,拖着行李箱就去了西安饭店外坐机场大巴。没想到买票居然找不开钱,而且不能简单的微信或支付宝支付。好在关注什么公众号后买了车票上了车。

车开到T2航站楼下车,就直接进了机场。10点20的飞机,我们到的比较早,打印了机票,不慌不忙的办理了行李托运。就等待飞机起飞。

登机后,飞机在跑道停留了好一会才起飞,广播说是因为其他飞机未按时起飞导致的延误。

飞机平稳的起飞了。看着下面的秦岭越来越远,我们飞往了天津。

这趟飞机开的还比较稳,但路上的风景就有一点逊色了。只是在半路上,才看到漂亮的云彩。抓拍了几张。远处能看到比较分明的天际线,不知道是云,还是空气污染导致的。

12点多,飞机平稳的降落在了天津滨海国际机场。

走出机场后,顿时被天津的天气镇住了。这么热!天气预报39度。

因为提前在网上办理了入住,下了飞机就坐地铁来了。没有直达车到住处,我们从机场坐到吴家窑下车。出了地铁口打车到了目的地。司机也对路线不熟,操着天津话拐了几下就到了。因为路并不远了。

办理了入住手续后在电梯外看到了这幅海报,基本上囊括了天津的著名景点。

因为太热了,而且路上有些累,我们没有立即出去。但是还没吃饭,于是叫了外卖。老婆专门点了狗不理包子,一共六十多块钱,当时感觉小贵,后来我们才发现,这是我们在天津的这几天吃的最好吃最便宜的狗不理包子了。

吃完饭后累了,就睡了一会。到了下午18点左右,我们打算出去玩。

虽然没有了艳阳高照,但外面依然炎热难耐。戴好护袖和手套,骑着共享单车,打算去南开大学看看。因为南开大学离这里不远。

这是骑行路线图:

出发!

骑行的大马路是康复路(跟西安的一个老市场一个名字),路很宽,一路往西,很快就到了南开大学的南门外。进入大门就看到周恩来的雕塑。南门外有一种白色的共享电动车,很大一堆。真希望西安也有这种电动车。不过后来才发现这种电动车只有这几个大学附近才有,而且还车必须到指定地点,否则扣费很高。

合张影。

周恩来独有的站姿,在夕阳下看起来比较肃穆。

南开大学里面也比较冷清,具有古朴的感觉。但同时,有些硬件设施已经比较陈旧。感觉更像是上个世纪的样子。

自拍/偷拍一张。

在里面晃荡了一会之后,我们从南开大学东门出来。这就是东门。

到吃饭时间了,当时还不知道下午吃的狗不理正宗不正宗,于是打算去店里吃。网上查到天津大学里有一家狗不理包子,好像评价不错,我们就从南开大学东门出来,顺着卫津路往北200米到了天津大学。这是天津大学东门。

进入天津大学后很快就会看到一个广场,叫北洋园。里面有个建筑叫北洋大学堂。在那里转悠了一会。然后就去找包子吃,结果没有看到什么包子店。白费功夫。

肚中饥饿,对狗不理包子的执念依然没有放下。于是重新查找天津的小吃街,搜到了南市食品街。看地图还挺远,但我们很有热情,离开天津大学后继续骑自行车,一路向北,过了很多红绿灯路口。这里的司机不让人,在路上骑车挺危险。天逐渐就黑了,到目的地后已经完全黑了。这个时候大约已经9点了。

南市食品街好像有好几个门,我们来到的是西门。锁了车走进去,就看到很多卖狗不理包子的。不过这个时间似乎比较晚,大多数都已经关门了,里面也没几个人。总不能再到别处去吧,就在这里看看吧。有热心的商家推销大麻花,推销各种糖,我们只是看了看,之后就到了一家饭店。

这家饭店的狗不理包子不贵,我们以为确实是下午的饭有点贵了,就爽快的点了包子还有其他吃的。没想到等包子上来之后,发现居然是机器做的。这也叫包子?这不就是内部含馅的压花馒头嘛!

不管了,开吃吧。结果面是黏糊糊的,口感很差。我们随便吃了吃就了事了。没想到这么坑。想吃个狗不理还真不容易。

吃完饭时间不早了,该回去了。路过一家卖麻花的,门口一个巨大的麻花塑像。所谓十八街麻花总店,津门首绝。进店买了龙须酥和玫瑰花糖,之后才发现,龙须酥一点也不酥,玫瑰花糖倒还可以。只可惜两样都太甜,一次吃不了多少。

老婆叫了神州专车,我们打道回府。专车司机比较能聊,但不知道是不是绕路了,预估路费35,居然最后收了50元。司机倒比较热心,说了不少天津的景点,推荐我们去意大利风情街,五大道风景区,一定要听一听天津的相声,推荐我们去人民公园的西岸相声会馆听相声,要吃天津煎饼果子,而且推荐要吃狗不理包子,一定要去狗不理包子滨江路总店。

这些目的地,就列入了我们第2天的行程计划。