Если одна из ваших целей - провести исследование в области науки о данных, машинного обучения или аналогичного сценария, но в то же время ваша идея состоит в том, чтобы использовать как можно меньше времени для настройки среды ... очень хорошее предложение от команды Google Research это Коллаборатория.
Для этой возможности я подготовил реализацию модели обнаружения объектов TensorFlow всего за 5 кликов. Что вы думаете, если мы проанализируем объекты изображения с целью использования реализации менее 60 секунд?
Наверняка вам интересно, как мне получить доступ к этой реализации? Ответ очень прост: зайдя здесь [коллаборационная тетрадь] и выполнив предложенную последовательность шагов. * Подробную информацию о каждом шаге вы можете увидеть ниже.
Шаг 1
На этот шаг я включил задачу по загрузке модели в виртуальную среду, предложенную Colaboratory. Остальные библиотеки, такие как TensorFlow, уже доступны при подключении среды, что не является проблемой для данной реализации.
Шаг 2
Теперь давайте настроим весь необходимый импорт для выполнения примера обнаружения объекта. Обратите особое внимание на утилиты обнаружения объектов.
Шаг 3
Этот шаг очень важен, потому что мы можем изменить модель обнаружения на более точную, но мы также можем сильно повлиять на производительность наших будущих функций обнаружения. Обратите внимание на MODEL_NAME.
Кроме того, мы выполняем некоторые элементы, чтобы использовать уже созданную и сохраненную модель. Наконец, мы устанавливаем функцию преобразования изображения в массив numpy.
Шаг 4
В этом сегменте реализации мы устанавливаем тестовые изображения, которые будут использоваться. Часть официального примера Модель обнаружения объектов.
Шаг 5
Выполняем сеанс TensorFlow. Перебираем изображения и переходим к обнаружению элементов.
Примечание: в идеале требуется вход в Google, чтобы сделать операцию простой и прозрачной.
Я также дал им несколько идей включить свои собственные фотографии и провести отборочные тесты. [раздел пользовательских личных изображений в совместную записную книжку]
