[背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community 我们已经看到深度学习在ImageNet竞赛中 扮演了很重要的角色 他们用1.5分钟 通过深度学习 来完美的在1000个类别中预测一张图片的类别 今天我就来给你简单展示一下他们的成果 来看看是哪写分类和预测的成功率如何 让我们来看一个例子 这是AlexNet 框架 用来预测ImageNet这个数据集 用来作为一个从网页上查询的服务器 每次我点击图片 其实它会传输到GPU 这样会更快的计算 和返回预测结果 所以我点击了这张图片 然后它把指令传输回在亚马逊网页服务上面的服务器 然后返回预测 预测结果现在是隐藏的
当我点击了以后 他会告诉我预测结果是什么 如果我给你看这张图片  也许这张图片不是很清晰 但是如果我点击了这张图片
它的预测是停车计时器 预测正确 第二个备选的最佳预测是 密码锁 看上去有一点点像 但是停车计时器是正确的 所以说这个预测系统真的很厉害 让我给你看另外一个例子 比如说这个 也是同样传输回亚马逊网页服务器 然后进行预测 我的预测是 显示屏 显示器 就叫做显示屏好了 虽然我不知道显示屏和显示器的具体区别 但是无所谓了 还有很多很多图片 我就点几个看看 如果我点这边的这个 我觉得这是一个白琵鹭 这是一个白琵鹭 预测的也很对 然后我点这个 图片被发回了服务器 用GPU的深度学习 预测是啤酒瓶 正确的标签也是啤酒瓶 所有的图片都是来自于ImageNet 这个数据集 我很确定这张图片应该不在ImageNet这个数据集中 我点了这个 然后它被发回到了服务器 继续发回到亚马逊网页服务器 预测是拉布拉多巡回犬 这是我的狗狗 这是这条狗的标签 就是这条狗啦 你看到 即使对于很多不在ImageNet数据集中的图片 我们还是能够做出很好的预测结果 在你的毕业设计项目中 你会建立起一个模型 不是用来预测图片 还是用深度学习做推荐系统 推荐产品图片和文本 然后建立起一个服务器 然后你就能得到一个像这样的网页 然后任何人都能使用 你就能看到机器学习的用处和魅力了 [背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community