印前問答為您提供印刷前期的相關(guān)問題咨詢與解答,印刷案例規(guī)格及印刷報(bào)價(jià),讓您實(shí)時(shí)了解在印刷前期的各類相關(guān)問題及印后相關(guān)問題,并提供印刷時(shí)的注意事項(xiàng),為您提供各類印前印后的相關(guān)問題解決方案
印刷問答 2021-04-26 03:44 549 0
用通俗的話總的來(lái)說(shuō)，就是利用大數(shù)據(jù)抽取規(guī)律，再利用規(guī)律去預(yù)測(cè)（回歸）、分類、聚類未知的輸入，得到輸出（結(jié)果）ai如何鏈接圖片。
單說(shuō)圖片識(shí)別：
這里面的大數(shù)據(jù)就是已知的輸入（圖片）和已知的結(jié)果（圖片的標(biāo)簽），抽取規(guī)律也就是相應(yīng)的算法（卷及神經(jīng)網(wǎng)絡(luò)），預(yù)測(cè)、分類、聚類就是得到圖片的結(jié)果（圖片識(shí)別）ai如何鏈接圖片。
可以分為以下幾步：
第一步：數(shù)據(jù)的預(yù)處理ai如何鏈接圖片。
圖片是由一個(gè)一個(gè)的像素組成的，就拿入門的案例說(shuō)吧，MNIST數(shù)據(jù)集，是一個(gè)手寫數(shù)字的數(shù)據(jù)集，每一張圖片都是由28×28個(gè)像素點(diǎn)形成的ai如何鏈接圖片。
就像這樣：
總共有60000張這樣的圖片ai如何鏈接圖片，而圖片的標(biāo)簽（也就是結(jié)果）也是已知的（0~9），那么設(shè)輸入為x輸出為y，
計(jì)算機(jī)是無(wú)法讀懂圖片的，所以我們要將圖片轉(zhuǎn)換成計(jì)算機(jī)所能認(rèn)識(shí)的東東ai如何鏈接圖片。
矩陣：
x就是一個(gè)28×28的矩陣每一個(gè)點(diǎn)表示圖片中相應(yīng)位置的灰度ai如何鏈接圖片。有的神經(jīng)網(wǎng)絡(luò)為了更簡(jiǎn)化的計(jì)算，將28×28 的矩陣，轉(zhuǎn)換為一個(gè)1×784的向量（一維矩陣）。這里的x是28×28×1，這個(gè)1表示的是單通道，也就是只有一種顏色。?cè)绻遣噬珗D片的話，那么就應(yīng)該是28×28×3，這個(gè)3表示的是RGB三個(gè)顏色通道。
y就是一個(gè)數(shù)字，0~9ai如何鏈接圖片。
有些算法還會(huì)降x，y進(jìn)行歸一化，也就是轉(zhuǎn)換為0~1之間的矩陣、數(shù)字ai如何鏈接圖片。
第二步：抽取特征ai如何鏈接圖片。
卷積（特征提取）的具體計(jì)算方法：
其中input為輸入，filter叫做卷積核（暫且理解為濾波器），output叫做特征圖，特征圖的個(gè)數(shù)和filter的個(gè)數(shù)是相同的（filter W0、filter W1）ai如何鏈接圖片。既然是矩陣，那么可以設(shè)中間的參數(shù)是W，于是就有Wx+b = output。這里的W是我們最終要訓(xùn)練出來(lái)的。
計(jì)算方法：
w0與x藍(lán)色區(qū)域做內(nèi)積（對(duì)應(yīng)位置相乘后相加）：
f1第1層 = 0×1+ 0×1+ 0×1 + 0×-1+ 1×-1+ 1×0 + 0×-1+1×1+1×0 = 0
f1第2層 = 0×-1+0×-1+0×1 +0×-1+0×1+1×0 +0×-1+2×1+2×0 = 2
f1第3層 = 0×1+0×0+0×-1+ 0×0+2×0+2×0+ 0×1+0×-1+0×-1+ = 0
那么根據(jù)神經(jīng)網(wǎng)絡(luò)得分函數(shù)：f（xai如何鏈接圖片，w） = wx+b
這里的b =1
那么輸出的得分值就為f1+f2+f3+b = 0+2+0+1 =3
最右邊綠色的矩陣第1行ai如何鏈接圖片，第1列，就是3
將卷積核在輸入矩陣滑動(dòng)ai如何鏈接圖片，
同理可以計(jì)算
這里的輸出叫做特征圖ai如何鏈接圖片。
這里就可以看出，經(jīng)過卷積核Filter（濾波器），將圖片濃縮了，濃縮之后，再進(jìn)行一次非線性的處理，用一些非線性的函數(shù)將線性結(jié)果非線性化（叫做激活函數(shù)），這層叫作卷積層ai如何鏈接圖片。
這里只是一層，大型數(shù)據(jù)集（輸入很多的情況）一層是不夠的，需要很多層，輸入-卷積-輸出-卷積-輸出........ai如何鏈接圖片。
比如VGG-16，就有16個(gè)卷積層ai如何鏈接圖片。
進(jìn)一步濃縮叫做池化層ai如何鏈接圖片。
同樣有一個(gè)filter，將特征圖進(jìn)行MAX（取最大值）或者M(jìn)EAN（取均值），進(jìn)一步濃縮特征ai如何鏈接圖片。
濃縮完特征之后，接著后面的層叫做全連接層ai如何鏈接圖片。
就是將權(quán)重參數(shù)W（矩陣），分別乘以池化完成的結(jié)果，得到最終的分類結(jié)果比如前邊所說(shuō)的0~9的手寫字體，要分10個(gè)類別，如果池化完成的結(jié)果是1×64，那么全連接層就應(yīng)該是64×10，最終得到1×10的矩陣，就是分類0~9的結(jié)果ai如何鏈接圖片。
以上最重要的就是要求W，也就是最前邊說(shuō)的，根據(jù)大數(shù)據(jù)找規(guī)律ai如何鏈接圖片。
第三步：參數(shù)更新
那么還有問題ai如何鏈接圖片，W是多少誰(shuí)知道？
沒人知道ai如何鏈接圖片，這里是根據(jù)計(jì)算機(jī)一步一步的試出來(lái)的，
先隨機(jī)的給出一組W，算出結(jié)果Y1，利用已知的x當(dāng)做輸入，用已知的y與y1坐差值，那么Y1-y就會(huì)有一個(gè)差值，就是預(yù)測(cè)值和真實(shí)值的差值ai如何鏈接圖片。稱作損失函數(shù)，有些叫做代價(jià)函數(shù)。當(dāng)代價(jià)函數(shù)最小的時(shí)候，預(yù)測(cè)值Y1和真實(shí)值y的差距越來(lái)越小，當(dāng)差距在我們可以接受的范圍內(nèi)，那么就可以認(rèn)為，由權(quán)重參數(shù)W生成的Y1可以對(duì)輸入x進(jìn)行預(yù)測(cè)和分類。
那么如何讓損失函數(shù)最小呢？這里并不是求導(dǎo)后求極值點(diǎn)，而是對(duì)損失函數(shù)求導(dǎo)數(shù)，調(diào)整W，使得差值沿著導(dǎo)數(shù)的方向前進(jìn)，最終達(dá)到極小值點(diǎn)ai如何鏈接圖片。
這時(shí)候得到的W就是我們最終要的結(jié)果了ai如何鏈接圖片。
第四步：利用參數(shù)
既然得到了W，我們就可以利用這個(gè)W，將一個(gè)未知結(jié)果的x輸入，從而得到通過W計(jì)算出的y，這個(gè)y就是圖片識(shí)別的結(jié)果ai如何鏈接圖片。
現(xiàn)在有很多的開源深度學(xué)習(xí)框架ai如何鏈接圖片，是各大著名公司封裝好的函數(shù)（已經(jīng)造好的輪子），
以下是一個(gè)卷積神經(jīng)網(wǎng)絡(luò)識(shí)別MNIST的小例子（基于google深度學(xué)習(xí)框架TensorFlow）：
只是經(jīng)過了21次的參數(shù)更新，最終的識(shí)別準(zhǔn)確率在99%以上ai如何鏈接圖片。
輸出結(jié)果：
Extracting MNIST_data/train-images-idx3-ubyte.gz
Extracting MNIST_data/train-labels-idx1-ubyte.gz
Extracting MNIST_data/t10k-images-idx3-ubyte.gz
Extracting MNIST_data/t10k-labels-idx1-ubyte.gz
第0次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.7688
第1次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.7831
第2次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.8829
第3次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.8883
第4次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.889
第5次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.8919
第6次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.8908
第7次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.893
第8次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.894
第9次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.8949
第10次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.8927
第11次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.8935
第12次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.8948
第13次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.9873
第14次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.9881
第15次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.9864
第16次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.9885
第17次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.9906
第18次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.9876
第19次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.9884
第20次迭代ai如何鏈接圖片，測(cè)試集準(zhǔn)確率是0.9902
今天歐品皇室蛋糕培訓(xùn)學(xué)校給大家?guī)?lái)一個(gè)快手巧克力紙杯蛋糕（零失誤版），特別適合烘焙小白，即使沒有烤箱也能做。還可以按照個(gè)人喜好添加不同小料。蛋糕粉是預(yù)拌粉所以免去的稱粉的過程，下面的是所需的食材！材料都可以在某寶上買得到?？鞠浒妫?、取...
2023-04-21 101 0
期待已久，202*上海魔都制躁音樂節(jié)即將上演，*月1日至*日，相約志同道合的朋友們，一起聆聽精彩的音樂，感受多元的風(fēng)格，和久違的音樂陣容相見！以下是上海魔都制躁音樂節(jié)門票價(jià)格及演出信息。上海魔都制躁音樂節(jié)時(shí)間：202*-0*-...
2023-04-12 134 0
淋膜紙多用于包裝漢堡，因其具有防油特性，如麥當(dāng)勞是*0度的食用植物油10分鐘不漏油。食品級(jí)的淋膜紙，原材料一般采用全木紙漿，特別是食品包裝行業(yè)，如果選用草漿紙，在模切過程中，容易產(chǎn)生紙屑或者是破邊的情況發(fā)生。淋膜紙，生產(chǎn)工藝比較簡(jiǎn)潔易懂，...
2023-03-05 143 0
隨著印刷行業(yè)的發(fā)展，現(xiàn)在的印刷品種類繁多、印刷方式也日新月異。那么印刷工藝大家都了解嗎？今天小編來(lái)給大家介紹一下，常見的印刷工藝都有哪些。一、噴墨印刷噴墨印刷是一種高效的印刷方式，無(wú)需制版、無(wú)需曬版和重復(fù)套色，因此它可以不受任何材料限制。噴...
2023-02-26 131 0
問：拼多多彩頁(yè)印刷供應(yīng)商是哪家？答：吉印通專業(yè)彩頁(yè)印刷，工廠直印價(jià)格優(yōu)惠，咨詢電話：021-63063076/138-1621-1622（微信同號(hào)） ≧???≦ ...
2023-02-10 130 0
1、我跑印刷機(jī)器配件營(yíng)業(yè)的*2*的話看你買阿誰(shuí)年份的咯，根本上沒什么大問題，我跑那么久幾毛病都是小問題例如控墨板墨斗電機(jī)電磁閥有點(diǎn)毛病率高其他的問題小點(diǎn)，但若是買吉印通的機(jī)器別買0*年后的，馬達(dá)問題多，有興趣交；沒需要印刷機(jī)究竟結(jié)...
2022-12-14 138 0
掃一掃微信報(bào)價(jià)
本文暫時(shí)沒有評(píng)論，來(lái)添加一個(gè)吧(●'?'●)