[背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community 我们可以看到对于图片分类来说深度特征真的很棒 它们可以使我们得到较高的精确度  
即使只是用了在特定分类任务里的极小一部分训练数据 通过首先利用赢得2012年ImageNet（图像识别最大的数据库）
竞赛的深度学习模型 来寻找特征 因此 这令人十分激动 但如果你还记得最开始的动机， 在这个模块初始使用的样本实例 我们讨论的是如何寻找我们喜欢的产品的图像 比如 我喜欢鞋 我想要寻找和我的鞋相似的鞋子。 我想要找到和我关心的产品相类似的图像。 所以除了用图像分类来进行实现， 我们现在将使用图像索引机制来获取这些深度特征 那么我们现在开始吧~ 首先我们命名我们的Notebook， 我将它命名为‘图像索引的深度特征（Deep Features for Image Retrieval）’ 同时我隐藏文件头和工具箱 这样我们就可以开始了 给后面留出更多空间 首先启动graphlab create 同时加载CIFAR-10数据集 是和我们之前讨论利用特征分类时相同的数据集。 是和我们之前讨论利用特征分类时相同的数据集。 因此这种情况下我将只加载训练数据集， 因为我们只需要在训练集中进行索引 让我们从这里开始 我把它起名为 image_train 然后使用graphlab.Sframe 然后将image_train 数据集作为输入数据 这里稍微提醒一下 如果观察这个image_train数据集， 在这个框里的.head，我们有图像的id 实际的图像，不是用来进行索引的标签， 事实上我们完全不会用到这个标签 像素的图像指针 我们也不会用到这个 但是它已经包含有预先编译好的深度特征 在用深度特征进行分类的notebook中 我们看着这些在编译这些一列列的特征时需要用到的东西 在这里  我将只用到这些深度特征 [背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community