今天是我“略懂”Python的第200天球化,我遇到了新刺激……

大家好齐鲤,我是一名曾經(jīng)只會(huì)excel的數(shù)據(jù)分析師。


后來(lái)經(jīng)我的同事大鵬點(diǎn)撥饱亿,我知道了Python數(shù)據(jù)分析靶橱,向他學(xué)習(xí)進(jìn)入了一條通神之路。今天是我“略懂”Python數(shù)據(jù)分析的第200天路捧。

在這200天里关霸,我的工作效率逐漸變高,處理數(shù)據(jù)量從千到萬(wàn)杰扫,接的項(xiàng)目越來(lái)越復(fù)雜队寇,老板看我的眼神也越來(lái)越柔和,有時(shí)甚至單獨(dú)請(qǐng)我吃飯……看來(lái)我很快就能升職加薪章姓!

高興之余佳遣,我對(duì)我的Python技術(shù)能力也有點(diǎn)擔(dān)心,甚至陷入了一種瓶頸

1凡伊、工作中有大量的描述性統(tǒng)計(jì)工作零渐,要求不高,對(duì)我這種審美捉急的人來(lái)說(shuō)系忙,excel的快速樣式有時(shí)候很關(guān)鍵诵盼。

2、我很少碰到Python能做而excel不能做的數(shù)據(jù)處理,excel很慢甚至死機(jī)风宁,但只要電腦性能好洁墙,總能完成;

3戒财、雖說(shuō)會(huì)Python是優(yōu)勢(shì)热监,但公司的excel普及程度很高,介于項(xiàng)目合作原因我總是需要用excel銜接數(shù)據(jù)合作饮寞。


這不免導(dǎo)致我對(duì)Python技能的定位產(chǎn)生懷疑孝扛,我稱這個(gè)現(xiàn)象叫非典型性Python冷淡綜合癥

新刺激來(lái)的很快幽崩,就在今天疗琉,帶我入Python坑的同事大鵬介紹來(lái)了一個(gè)新人小覃。我很快感覺到老板對(duì)我關(guān)愛的眼神落到了小覃身上歉铝。這不盈简,他們正在工位電腦前談笑風(fēng)生。

這怎么行太示!老板最寵的只能是我柠贤!

我決定再次展開“歡迎新人”套近乎策略,探探這位新人如此招待見的原因类缤。


走近他們臼勉,我先注意到了小覃電腦屏幕上有一堆貓貓狗狗照片,而小覃正在邊寫python代碼邊和老板解釋什么餐弱。只見他迅速寫了十幾行代碼并運(yùn)行宴霸,成功地識(shí)別了圖片里的貓。

第一步:進(jìn)行模型訓(xùn)練膏蚓,構(gòu)建識(shí)別貓狗的CNN模型

第二步:測(cè)試一張測(cè)試集里的照片瓢谢,確認(rèn)照片的分類為貓

這看似簡(jiǎn)單的操作卻這讓我和老板都很好奇

我從未處理過(guò)除了CSV和JSON以外格式的數(shù)據(jù)驮瞧,面對(duì)新的思路氓扛,我不禁懷疑是否自己之前太過(guò)淺薄。

而老板一個(gè)勁的點(diǎn)頭论笔,說(shuō)找對(duì)了人采郎,接下來(lái)的AI旅游小程序項(xiàng)目有亮點(diǎn)了,咱們的產(chǎn)品肯定會(huì)刷爆朋友圈狂魔,還一邊拿手機(jī)里的產(chǎn)品概念圖給小覃看:

圖中為計(jì)算機(jī)通過(guò)機(jī)器學(xué)習(xí)識(shí)別街景圖片中的行人蒜埋、自行車和機(jī)動(dòng)車并定位邊界。該數(shù)據(jù)有助于識(shí)別城市道路使用情況最楷,甚至研究街道美學(xué)整份,能幫助使用者快速認(rèn)知陌生城市待错。本圖來(lái)自“城室科技”,歡迎有興趣的小伙伴微信自行搜索皂林。

看來(lái)面前是一位新大神朗鸠,經(jīng)驗(yàn)告訴我蚯撩,喂到嘴邊的大腿不能不跪础倍,我立刻上前獻(xiàn)上的膝蓋,說(shuō)道:覃大哥胎挎,小弟也算略懂Python沟启,之前在公司做數(shù)據(jù)分析工作,但從沒完成過(guò)你這么酷的操作犹菇,快教教小弟德迹,你剛剛用Python干了什么?


覃大哥笑道:過(guò)獎(jiǎng)了揭芍,其實(shí)剛剛就是基本的利用機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法來(lái)識(shí)別圖片里的對(duì)象胳搞。我使用Python加載深度學(xué)習(xí)工具包Keras,構(gòu)建了一個(gè)是簡(jiǎn)單卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型進(jìn)行貓狗識(shí)別称杨,用于給老板解釋原理肌毅。你也一起聽吧。


總的來(lái)說(shuō)姑原,我有一些貓狗圖片悬而,作為訓(xùn)練集數(shù)據(jù)(Training Set),它們是用于建立和優(yōu)化模型的已經(jīng)有標(biāo)簽的原始數(shù)據(jù)锭汛。而我們也會(huì)有一些測(cè)試集數(shù)據(jù)(Test Set)笨奠,用于檢驗(yàn)?zāi)P汀N业哪繕?biāo)是為了構(gòu)建一個(gè)模型系統(tǒng)唤殴,把未知貓狗標(biāo)簽圖片放進(jìn)這個(gè)系統(tǒng)進(jìn)行測(cè)試般婆,正確地給它們打上是貓還是狗的標(biāo)簽。

圖為實(shí)時(shí)識(shí)別貓狗的動(dòng)態(tài)位置朵逝,算法來(lái)自 Joseph Redmon 腺兴,他研究使用計(jì)算機(jī)視覺的一種檢測(cè)系統(tǒng)yolo來(lái)定位他家的貓狗,相關(guān)介紹可自行搜索ted演講How computers learn to recognize objects instantly廉侧。

一個(gè)好的模型并不是一蹴而就页响,需要進(jìn)行調(diào)整。比如我剛建立的CNN模型的準(zhǔn)確率大概只在50%到60%段誊,很低闰蚕。因此實(shí)際應(yīng)用上我們一般會(huì)投入大量精力做一些提高準(zhǔn)確率的操作连舍。

常用的操作包括增加訓(xùn)練集樣本數(shù)量没陡、嘗試使用更多或更少的特征值、集成模型等等方法。這決定了學(xué)習(xí)機(jī)器學(xué)習(xí)必須要撿起你的數(shù)學(xué)盼玄,不過(guò)這都是后話贴彼。

分辨貓狗是業(yè)界一個(gè)成熟案例,這里我們以一個(gè)訓(xùn)練好的圖像分類模型VGG16為例埃儿,以便得到更準(zhǔn)確的結(jié)果:

1#?搭建全連接層

2top_model?=?Sequential()

3top_model.add(Flatten(input_shape=vgg16_model.output_shape[1:]))

4top_model.add(Dense(256,activation='relu'))

5top_model.add(Dropout(0.5))

6top_model.add(Dense(2,activation='softmax'))

7

8model?=?Sequential()

9model.add(vgg16_model)

10model.add(top_model)


用此方法我們便可以更精確的辨認(rèn)出貓狗器仗。不管貓主子是何種奇特姿態(tài),準(zhǔn)確率都比較高童番,可達(dá)到85%精钮。

覃大哥放下鼠標(biāo),轉(zhuǎn)過(guò)頭來(lái)剃斧,對(duì)我和老板說(shuō)道:這是一個(gè)示例轨香,讓大家理解機(jī)器學(xué)習(xí)的一種工作方向,這個(gè)方向被稱為“計(jì)算機(jī)視覺”幼东,大家經(jīng)常聽說(shuō)的的圖像識(shí)別就是這門技術(shù)里的內(nèi)容臂容。老板想完成旅游小程序,用計(jì)算機(jī)視覺技術(shù)研究街景必不可少根蟹。

此時(shí)的我突然茅塞頓開脓杉,這不就是我一直找尋的突破口嗎早就聽說(shuō)人工智能機(jī)器學(xué)習(xí)娜亿,但一直覺得自己數(shù)學(xué)不好沒有著手學(xué)習(xí)±鲆眩現(xiàn)在看到演示,才發(fā)現(xiàn)千里之行买决,始于足下沛婴。

于是我立馬向他問道:覃大神,請(qǐng)接收小弟的仰慕督赤,能否教我這門技術(shù)嘁灯,小弟能打水能錘肩學(xué)得快!


覃大神這候笑了:可以啊躲舌,入門不難丑婿,有個(gè)好老師帶更是事半功倍,來(lái)騰訊課堂免費(fèi)體驗(yàn)一下便知没卸。


更可以加群:862672474羹奉,群內(nèi)除了有熱心的老師和同學(xué)們的答疑以外,還有更加系統(tǒng)约计、干貨更密集的免費(fèi)直播诀拭!


?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市煤蚌,隨后出現(xiàn)的幾起案子耕挨,更是在濱河造成了極大的恐慌细卧,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,807評(píng)論 6 518
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件筒占,死亡現(xiàn)場(chǎng)離奇詭異贪庙,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)翰苫,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,284評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門止邮,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人革骨,你說(shuō)我怎么就攤上這事农尖∥隽担” “怎么了良哲?”我有些...
    開封第一講書人閱讀 169,589評(píng)論 0 363
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)助隧。 經(jīng)常有香客問我筑凫,道長(zhǎng),這世上最難降的妖魔是什么并村? 我笑而不...
    開封第一講書人閱讀 60,188評(píng)論 1 300
  • 正文 為了忘掉前任巍实,我火速辦了婚禮,結(jié)果婚禮上哩牍,老公的妹妹穿的比我還像新娘棚潦。我一直安慰自己,他們只是感情好膝昆,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,185評(píng)論 6 398
  • 文/花漫 我一把揭開白布丸边。 她就那樣靜靜地躺著,像睡著了一般荚孵。 火紅的嫁衣襯著肌膚如雪妹窖。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,785評(píng)論 1 314
  • 那天收叶,我揣著相機(jī)與錄音骄呼,去河邊找鬼。 笑死判没,一個(gè)胖子當(dāng)著我的面吹牛蜓萄,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播澄峰,決...
    沈念sama閱讀 41,220評(píng)論 3 423
  • 文/蒼蘭香墨 我猛地睜開眼嫉沽,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了摊阀?” 一聲冷哼從身側(cè)響起耻蛇,我...
    開封第一講書人閱讀 40,167評(píng)論 0 277
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤踪蹬,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后臣咖,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體跃捣,經(jīng)...
    沈念sama閱讀 46,698評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,767評(píng)論 3 343
  • 正文 我和宋清朗相戀三年夺蛇,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了疚漆。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,912評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡刁赦,死狀恐怖娶聘,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情甚脉,我是刑警寧澤丸升,帶...
    沈念sama閱讀 36,572評(píng)論 5 351
  • 正文 年R本政府宣布,位于F島的核電站牺氨,受9級(jí)特大地震影響狡耻,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜猴凹,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,254評(píng)論 3 336
  • 文/蒙蒙 一夷狰、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧郊霎,春花似錦沼头、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,746評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至庄撮,卻和暖如春背捌,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背洞斯。 一陣腳步聲響...
    開封第一講書人閱讀 33,859評(píng)論 1 274
  • 我被黑心中介騙來(lái)泰國(guó)打工毡庆, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人烙如。 一個(gè)月前我還...
    沈念sama閱讀 49,359評(píng)論 3 379
  • 正文 我出身青樓么抗,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親亚铁。 傳聞我的和親對(duì)象是個(gè)殘疾皇子蝇刀,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,922評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容