TensorFlow on Android：訓練模型
文章推薦
[運營專題]零預算引爆個人和企業品牌【原文連結】
Selenium 自動化測試從零實戰【原文連結】
原來這樣做，才能向架構師靠近【原文連結】
Cordova App 打包全揭祕【原文連結】
TensorFlow on Android：物體識別【原文連結】
圖解敏捷教練和 ScrumMaster【原文連結】
說在前面：達人課是GitChat的一款輕閱讀產品，由特約講師獨家釋出。每一個課程你都可獲得6-12篇的深度文章，同時可在讀者圈與講師互動交流。GitChat達人課，讓技術分享更簡單。進入我的GitChat
溫馨提示：閱讀本文章建議先學習《TensorFlow on Android：物體識別》
作者介紹
付強，十餘年從業經驗，從 C 語言到 Web 開發，從微服務架構到移動端開發，涉獵範圍很廣。曾就職於趨勢科技、諾基亞，在德國和矽谷的 Startups 工作過，現在從事物聯網方向的創業。
課程介紹
本課程是《TensorFlow on Android：物體識別》的後續課程，緊接上一課程內容，來講解如何基於 TensorFlow 的 Object Detection API 訓練一個新的物體識別模型，在這個過程中會講解機器學習和深度學習的一些知識和概念。通過本課程的學習，將獲得機器學習從訓練到應用的 hands-on 的經驗，包括 data labeling、深度學習環境搭建、視覺化學習過程等，從而達到讓零基礎機器學習的讀者能夠快速高效的解決實際問題的目的。
第01課：訓練一個獨一無二的模型
大家好，很高興能在這裡繼續 TensorFlow On Android 的課程。
在《TensorFlow on Android：物體識別》中我們已經學會了如何使用一個事先訓練好的 pre-trained model 來識別圖片中的多種物體，這很好、也很酷，即使沒有任何機器學習基礎也可以做出一個相當專業的應用了，也許有的讀者已經把靜態圖片識別移植到了視訊監控上面，開始監控大門口的人流了呢！
注意：建議先學習《TensorFlow on Android：物體識別》這門課，也可以先學習本課再學上一門課。因為先訓練再應用是一個正常的流程，而在這裡先講應用再講訓練只是遵循由簡到繁的原則，總之按照自己的情況自由選擇就好了。
通過上一門課程的學習，相信給大家開啟了一扇新世界的大門。就像之前開發 Web 應用的時候，可以從開源社群找到很多輪子，而不需要重新開發，在機器學習的世界裡，也可以從開源社群找到很多框架、演算法、模型等工具，我們也學習了去哪裡找這些工具、如何學習使用這些工具。
但是如果只是使用事先訓練好的模型，在實際工作中，往往還不能真正解決問題。以物體識別為例，如果要識別的物體，如熊貓，不在這 pre-trained 模型訓練的範圍裡，怎麼辦？我們需要訓練一個獨一無二、屬於自己的模型。
其實大部分開源的模型都公開了其訓練的程式碼，所以可以通過這些程式碼加上我們自己的資料來進行訓練，從而獲得一個滿足自己業務需求的模型。本課程中將通過使用 Object Detection API 訓練一個可以識別熊貓的模型來講解整個流程，將要學習的東西包括：
- 機器學習/深度學習的一些重要概念和術語，本門課程面向沒有任何機器學習基礎的讀者，所以會用盡量簡單和直白的語言來描述。
- TensorFlow-GPU 的安裝和環境配置。
- 準備訓練資料和 data-labeling。
- 視覺化學習過程。
- 匯出學習結果。
注意：有些廠商號稱開源了某某模型，但是實際上並沒有公開其訓練部分的程式碼，這種其實算不上開源，因為沒有辦法定製這個模型。
通過本課程的學習，我們將補齊機器學習中關於訓練部分的知識，這樣就可以定製這個工具來解決真正的問題了，當完成了這一步以後，再去看深度學習的演算法推導或者 TensorFlow 的示例程式碼，應該會容易不少，因為知其然，再知其所以然，這應該是一個較優的學習過程。回想一下在學習 Web 程式設計、iOS 程式設計等的時候，是不是也是這樣一個過程？
在本課程中，我們需要寫一些 Python 程式碼，所以必須瞭解一些 Python 的知識，不過，不需要成為 Python 高手，只需要瞭解變數和函式宣告、模組匯入的知識就足夠了。如果英文比較好，可以直接參考 官方的教程，如果喜歡在中文的環境裡面學習，可以參考 Python 教程 - 廖雪峰的官方網站。
本課程使用 Python 的版本為 2.7，請事先安裝和配置好。
接下來我們先學習一些機器學習的知識和術語，在後面的實際操作中會用的到這些知識和術語。
下一篇
課程內容
第01課：訓練一個獨一無二的模型
第02課：一些必須瞭解的機器學習知識
第03課：執行一個 Demo
第04課：在 GPU 上進行訓練
第05課：準備訓練資料
第06課：熊貓識別器
相關文章
- TensorFlow2.0教程-使用keras訓練模型Keras模型
- 如何將keras訓練的模型轉換成tensorflow lite模型Keras模型
- TensorFlow 呼叫預訓練好的模型—— Python 實現模型Python
- 使用PaddleFluid和TensorFlow訓練序列標註模型UI模型
- 訓練自己的Android TensorFlow神經網路Android神經網路
- 一文詳解TensorFlow模型遷移及模型訓練實操步驟模型
- 獲取和生成基於TensorFlow的MobilNet預訓練模型模型
- 昇騰遷移丨4個TensorFlow模型訓練案例解讀模型
- tensorflow：一個簡單的python訓練儲存模型，java還原模型方法Python模型Java
- fasttext訓練模型程式碼AST模型
- 監控大模型訓練大模型
- 自訓練 + 預訓練 = 更好的自然語言理解模型模型
- PyTorch預訓練Bert模型PyTorch模型
- AI打遊戲-肆（模型訓練）AI遊戲模型
- Caffe訓練模型時core dump模型
- 大模型如何提升訓練效率大模型
- PyTorch 模型訓練實⽤教程（程式碼訓練步驟講解）PyTorch模型
- 使用Tensorflow Object Detection進行訓練和推理Object
- [翻譯] 使用 TensorFlow 進行分散式訓練分散式
- 【AI】Pytorch_預訓練模型AIPyTorch模型
- 隱私計算 FATE - 模型訓練模型
- 預訓練模型 & Fine-tuning模型
- Yolov8訓練識別模型YOLO模型
- 6-3使用GPU訓練模型GPU模型
- 海南話語音識別模型——模型訓練(一)模型
- 搭建 MobileNet-SSD 開發環境並使用 VOC 資料集訓練 TensorFlow 模型開發環境模型
- 【預訓練語言模型】 使用Transformers庫進行BERT預訓練模型ORM
- 如何用 TensorFlow 訓練聊天機器人（附github）機器人Github
- 如何將keras訓練好的模型轉換成tensorflow的.pb的檔案並在TensorFlow serving環境呼叫Keras模型
- 在 C/C++ 中使用 TensorFlow 預訓練好的模型—— 間接呼叫 Python 實現C++模型Python
- 在 C/C++ 中使用 TensorFlow 預訓練好的模型—— 直接呼叫 Ｃ++ 介面實現C++模型
- 機器學習之邏輯迴歸：模型訓練機器學習邏輯迴歸模型
- 訓練模型的儲存與載入模型
- 隱私計算FATE-模型訓練模型
- YOLOv5模型訓練及檢測YOLO模型
- 訓練一個目標檢測模型模型
- 資料模型需要多少訓練資料？模型
- 【預訓練語言模型】使用Transformers庫進行GPT2預訓練模型ORMGPT