印前问答为您提供印刷前期的相关问题咨询与解答,印刷案例规格及印刷报价,让您实时了解在印刷前期的各类相关问题及印后相关问题,并提供印刷时的注意事项,为您提供各类印前印后的相关问题解决方案
印刷问答 2021-04-26 03:44 520
用通俗的话总的来说，就是利用大数据抽取规律，再利用规律去预测（回归）、分类、聚类未知的输入，得到输出（结果）ai如何链接图片。
单说图片识别：
这里面的大数据就是已知的输入（图片）和已知的结果（图片的标签），抽取规律也就是相应的算法（卷及神经网络），预测、分类、聚类就是得到图片的结果（图片识别）ai如何链接图片。
可以分为以下几步：
第一步：数据的预处理ai如何链接图片。
图片是由一个一个的像素组成的，就拿入门的案例说吧，MNIST数据集，是一个手写数字的数据集，每一张图片都是由28×28个像素点形成的ai如何链接图片。
就像这样：
总共有60000张这样的图片ai如何链接图片，而图片的标签（也就是结果）也是已知的（0~9），那么设输入为x输出为y，
计算机是无法读懂图片的，所以我们要将图片转换成计算机所能认识的东东ai如何链接图片。
矩阵：
x就是一个28×28的矩阵每一个点表示图片中相应位置的灰度ai如何链接图片。有的神经网络为了更简化的计算，将28×28 的矩阵，转换为一个1×784的向量（一维矩阵）。这里的x是28×28×1，这个1表示的是单通道，也就是只有一种颜色。如果是彩色图片的话，那么就应该是28×28×3，这个3表示的是RGB三个颜色通道。
y就是一个数字，0~9ai如何链接图片。
有些算法还会降x，y进行归一化，也就是转换为0~1之间的矩阵、数字ai如何链接图片。
第二步：抽取特征ai如何链接图片。
卷积（特征提取）的具体计算方法：
其中input为输入，filter叫做卷积核（暂且理解为滤波器），output叫做特征图，特征图的个数和filter的个数是相同的（filter W0、filter W1）ai如何链接图片。既然是矩阵，那么可以设中间的参数是W，于是就有Wx+b = output。这里的W是我们最终要训练出来的。
计算方法：
w0与x蓝色区域做内积（对应位置相乘后相加）：
f1第1层 = 0×1+ 0×1+ 0×1 + 0×-1+ 1×-1+ 1×0 + 0×-1+1×1+1×0 = 0
f1第2层 = 0×-1+0×-1+0×1 +0×-1+0×1+1×0 +0×-1+2×1+2×0 = 2
f1第3层 = 0×1+0×0+0×-1+ 0×0+2×0+2×0+ 0×1+0×-1+0×-1+ = 0
那么根据神经网络得分函数：f（xai如何链接图片，w） = wx+b
这里的b =1
那么输出的得分值就为f1+f2+f3+b = 0+2+0+1 =3
最右边绿色的矩阵第1行ai如何链接图片，第1列，就是3
将卷积核在输入矩阵滑动ai如何链接图片，
同理可以计算
这里的输出叫做特征图ai如何链接图片。
这里就可以看出，经过卷积核Filter（滤波器），将图片浓缩了，浓缩之后，再进行一次非线性的处理，用一些非线性的函数将线性结果非线性化（叫做激活函数），这层叫作卷积层ai如何链接图片。
这里只是一层，大型数据集（输入很多的情况）一层是不够的，需要很多层，输入-卷积-输出-卷积-输出........ai如何链接图片。
比如VGG-16，就有16个卷积层ai如何链接图片。
进一步浓缩叫做池化层ai如何链接图片。
同样有一个filter，将特征图进行MAX（取最大值）或者MEAN（取均值），进一步浓缩特征ai如何链接图片。
浓缩完特征之后，接着后面的层叫做全连接层ai如何链接图片。
就是将权重参数W（矩阵），分别乘以池化完成的结果，得到最终的分类结果比如前边所说的0~9的手写字体，要分10个类别，如果池化完成的结果是1×64，那么全连接层就应该是64×10，最终得到1×10的矩阵，就是分类0~9的结果ai如何链接图片。
以上最重要的就是要求W，也就是最前边说的，根据大数据找规律ai如何链接图片。
第三步：参数更新
那么还有问题ai如何链接图片，W是多少谁知道？
没人知道ai如何链接图片，这里是根据计算机一步一步的试出来的，
先随机的给出一组W，算出结果Y1，利用已知的x当做输入，用已知的y与y1坐差值，那么Y1-y就会有一个差值，就是预测值和真实值的差值ai如何链接图片。称作损失函数，有些叫做代价函数。当代价函数最小的时候，预测值Y1和真实值y的差距越来越小，当差距在我们可以接受的范围内，那么就可以认为，由权重参数W生成的Y1可以对输入x进行预测和分类。
那么如何让损失函数最小呢？这里并不是求导后求极值点，而是对损失函数求导数，调整W，使得差值沿着导数的方向前进，最终达到极小值点ai如何链接图片。
这时候得到的W就是我们最终要的结果了ai如何链接图片。
第四步：利用参数
既然得到了W，我们就可以利用这个W，将一个未知结果的x输入，从而得到通过W计算出的y，这个y就是图片识别的结果ai如何链接图片。
现在有很多的开源深度学习框架ai如何链接图片，是各大著名公司封装好的函数（已经造好的轮子），
以下是一个卷积神经网络识别MNIST的小例子（基于google深度学习框架TensorFlow）：
只是经过了21次的参数更新，最终的识别准确率在99%以上ai如何链接图片。
输出结果：
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如何链接图片，测试集准确率是0.7688
第1次迭代ai如何链接图片，测试集准确率是0.7831
第2次迭代ai如何链接图片，测试集准确率是0.8829
第3次迭代ai如何链接图片，测试集准确率是0.8883
第4次迭代ai如何链接图片，测试集准确率是0.889
第5次迭代ai如何链接图片，测试集准确率是0.8919
第6次迭代ai如何链接图片，测试集准确率是0.8908
第7次迭代ai如何链接图片，测试集准确率是0.893
第8次迭代ai如何链接图片，测试集准确率是0.894
第9次迭代ai如何链接图片，测试集准确率是0.8949
第10次迭代ai如何链接图片，测试集准确率是0.8927
第11次迭代ai如何链接图片，测试集准确率是0.8935
第12次迭代ai如何链接图片，测试集准确率是0.8948
第13次迭代ai如何链接图片，测试集准确率是0.9873
第14次迭代ai如何链接图片，测试集准确率是0.9881
第15次迭代ai如何链接图片，测试集准确率是0.9864
第16次迭代ai如何链接图片，测试集准确率是0.9885
第17次迭代ai如何链接图片，测试集准确率是0.9906
第18次迭代ai如何链接图片，测试集准确率是0.9876
第19次迭代ai如何链接图片，测试集准确率是0.9884
第20次迭代ai如何链接图片，测试集准确率是0.9902
今天欧品皇室蛋糕培训学校给大家带来一个快手巧克力纸杯蛋糕（零失误版），特别适合烘焙小白，即使没有烤箱也能做。还可以按照个人喜好添加不同小料。蛋糕粉是预拌粉所以免去的称粉的过程，下面的是所需的食材！材料都可以在某宝上买得到。烤箱版：1、取...
2023-04-21 76
期待已久，202*上海魔都制躁音乐节即将上演，*月1日至*日，相约志同道合的朋友们，一起聆听精彩的音乐，感受多元的风格，和久违的音乐阵容相见！以下是上海魔都制躁音乐节门票价格及演出信息。上海魔都制躁音乐节时间：202*-0*-...
2023-04-12 89
淋膜纸多用于包装汉堡，因其具有防油特性，如麦当劳是*0度的食用植物油10分钟不漏油。食品级的淋膜纸，原材料一般采用全木纸浆，特别是食品包装行业，如果选用草浆纸，在模切过程中，容易产生纸屑或者是破边的情况发生。淋膜纸，生产工艺比较简洁易懂，...
2023-03-05 106
随着印刷行业的发展，现在的印刷品种类繁多、印刷方式也日新月异。那么印刷工艺大家都了解吗？今天小编来给大家介绍一下，常见的印刷工艺都有哪些。一、喷墨印刷喷墨印刷是一种高效的印刷方式，无需制版、无需晒版和重复套色，因此它可以不受任何材料限制。喷...
2023-02-26 93
问：拼多多彩页印刷供应商是哪家？答：吉印通专业彩页印刷，工厂直印价格优惠，咨询电话：021-63063076/138-1621-1622（微信同号） ≧◔◡◔≦ ...
2023-02-10 104
1、我跑印刷机器配件营业的*2*的话看你买阿谁年份的咯，根本上没什么大问题，我跑那么久几毛病都是小问题例如控墨板墨斗电机电磁阀有点毛病率高其他的问题小点，但若是买吉印通的机器别买0*年后的，马达问题多，有兴趣交；没需要印刷机究竟结...
2022-12-14 98
