张量流训练，验证和测试如何在人脸识别上起作用？

Question

我正在研究人脸识别。 我曾经使用TensorFlow retrain.py

来训练数据

我的问题是...  1. Tensorflow如何工作？  2.是否使用CNN？  3.如果我错了请纠正我  4.训练模型的步骤-提供图像->调整图像大小->瓶颈->使用CNN进行处理？ ->显示图形作为输出？  5.为此，我需要一些参考。

Answer 1

1 — Tensorflow是用于机器学习的数学库。可以将其视为计算机视觉的OpenCV或Web开发的Bootstrap。

2-是的，Tensorflow确实使用了卷积神经网络。为此，它有一个名为Keras的专门库。

3-通常是，但是还有很多其他内容。这是更详细的过程：

a-您提供图像或称为数据集。如果要创建一个模型来识别猫中的狗，则应该有4个数据集；

培训文件夹

--------------狗文件夹

-------------------------------- dog1.jpg

-------------------------------- dog2.jpg

----------------- cat文件夹

-------------------------------- cat1.jpg

-------------------------------- cat2.jpg

验证文件夹

--------------狗文件夹

-------------------------------- dog3.jpg

-------------------------------- dog4.jpg

----------------- cat文件夹

-------------------------------- cat3.jpg

-------------------------------- cat4.jpg

b-是的，调整大小对于视觉机器学习至关重要，但是您还应该对数据集图片进行其他修改。例如，旋转，倾斜和翻转。为什么？因为您想训练模型以识别各个位置的对象。例如，如果您的数据集包含站立的狗，则不会识别出正在睡觉或仰卧的狗，因此您需要翻转狗站立的图像。幸运的是，您不必手动执行此操作，因为Keras为您提供了一个类，它可以为您执行所有图像加载，调整大小..... etc，这就是ImageDataGenerator。进一步了解here

c-瓶颈是神经网络的体系结构，通常有助于避免过度拟合。并非每个模型都遵循瓶颈架构。这是机器学习中最具挑战性的部分，它找到正确的体系结构，层组合和参数以实现高精度。互联网上已经有针对不同应用的内置模型，因此您不必从头开始设计神经网络体系结构。例如，有一个名为Yolo的模型可以识别各种物体（人，鞋子，手机，冰箱等）。幸运的是，Keras允许您加载外部模型并对其进行修改以适合您的应用程序，而这正是当今大多数数据科学家所做的大声笑。

d-您已经在c阶段使用了CNN处理。

e-正确，图表和输出应概述模型的准确性。通过根据您在阶段a中提供的验证数据测试模型性能来衡量准确性。

不幸的是，我没有相关的参考资料，但是我通过参加以下课程学习了这些信息：

Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning

Convolutional Neural Networks in TensorFlow