随着大数据时代,人工智能时代的到来,深度学习的应用越来越广,场景识别、目标检测、人脸识别、图像识别等等广泛应用。在人工智能方面。深度学习框架主要运用于python,c++等资源。而易语言使用深度学习框架的资料,源码缺十分稀少。这是一套易语言深度学习的教程。 本套教程基于我自己开发的CC框架,下面这些图片案例,就是深度学习做的效果,非常棒:
课程安排如下:
第一课:CC框架简介 点我跳转
第二课:相关基本概念 点我跳转
第三课:训练验证码识别 点我跳转
第四课:图像识别、分类、人脸识别 点我跳转
第五课:CNN+LSTM少样本高精度验证码识别 点我跳转
第六课:总结和展望 点我跳转
CC的特性有:
支持最新的人脸识别训练,Center Loss
支持目标检测训练,SSD
支持CPU、GPU、Win32、x64
支持快速深度学习项目部署,只有极少的依赖项
支持GPU高性能服务,也支持易语言实现GPU高性能服务
支持模型压缩功能
支持LSTM+CTC、多标签,便于OCR、验证码识别
有C++、C#、易语言调用案例
1.深度学习
深度学习Deep Learning,简称DL,又称DNN,即深度神经网络Deep Natural Networks。
在此之前有BP神经网络,即Back Propgation,反向传播神经网络。
通常我们会认为,BP或者其他隐层少的网络属于浅层神经网络,而隐层很多的网络称之为DNN,这里的多是没有具体定义的,如图所示即是。
而DNN又是个比较宽泛的词,DNN里面又包括有CNN卷积神经网络、RNN循环神经网络、LSTM长短期记忆网络、GANs对抗网络等几大类型,本文我们默认DL指CNN即可,相关意义可以查询百度。
2.实际操作训练验证码 由于这次发布,训练默认使用的网络是LeNet,而LeNet虽然识别时间很短,但是效果有限只能对付简单的验证码。所以建议大家采用NIN来训练,NIN基本可以应付绝大部分验证码,NIN的训练一定要记住,需要用nin的imagenet数据集模型来微调
CC框架开发的目的和初衷: 深度学习是个很有用的技术,相对没有图像处理经验、甚至没有学历经验的人,因其操作复杂,理论复杂,应用也麻烦,而成为学习深度学习技术的一个主要障碍和门槛。CC框架的提出主要愿景是能让深度学习更加容易的应用部署起来,提升深度学习项目开发效率,降低学习难度和门槛,让更多的人更加容易的学习深度学习这门技术。为此楼主也是费尽心思的啦~,而这个教程,则是为了带大家学会如何使用CC提供的功能进行训练和使用,入门深度学习领域。深度学习有很多细分领域,都非常非常热门有用。我们教程先从验证码入手一步一步来使用和理解他。