2019/04/22 08/24/02　　【丹佛斯变频器 www.dfsbp.com】

　　这些年随着ＨＴＭＬ技术的普及，浏览器对ＰＣ和手机硬件的控制越来越好。２０１８年１１月，权威咨询机构发布《２０１８年私有云市场各品牌竞争力分析》，华云数据跃入领导者象限，成为中国私有云厂商前三甲。绘图画布的尺寸为　３００＊３００，这可能是两个手绘图像的大小，或者可以在上面绘制一个小图像。而前端在这三个方向种，最容易参与进去，同时也最容易做出成绩的地方就是在工程方面。

　　导入

　　将使用以　ＴＥＮＳＯＲＦＬＯＷ　作为后端、ＫＥＲＡＳ　作为前端的编程框架

　　ＩＭＰＯＲＴ　ＯＳ

　　ＩＭＰＯＲＴ　ＧＬＯＢ

　　ＩＭＰＯＲＴ　ＮＵＭＰＹ　ＡＳ　ＮＰ

　　ＦＲＯＭ　ＴＥＮＳＯＲＦＬＯＷ．ＫＥＲＡＳ　ＩＭＰＯＲＴ　ＬＡＹＥＲＳ

　　ＦＲＯＭ　ＴＥＮＳＯＲＦＬＯＷ　ＩＭＰＯＲＴ　ＫＥＲＡＳ

　　ＩＭＰＯＲＴ　ＴＥＮＳＯＲＦＬＯＷ　ＡＳ　ＴＦ

　　加载数据

　　首先下载数据集。

　　＃　ＲＥＳＨＡＰＥ　ＡＮＤ　ＮＯＲＭＡＬＩＺＥ

　　Ｘ＿ＴＲＡＩＮ＝

　　Ｘ＿ＴＲＡＩＮ．ＲＥＳＨＡＰＥ（Ｘ＿ＴＲＡＩＮ．ＳＨＡＰＥ［０］，ＩＭＡＧＥ＿ＳＩＺＥ，　ＩＭＡＧＥ＿ＳＩＺＥ，　１）．ＡＳＴＹＰＥ（＇ＦＬＯＡＴ３２＇）

　　Ｘ＿ＴＥＳＴ＝

　　Ｘ＿ＴＥＳＴ．ＲＥＳＨＡＰＥ（Ｘ＿ＴＥＳＴ．ＳＨＡＰＥ［０］，　ＩＭＡＧＥ＿ＳＩＺＥ，ＩＭＡＧＥ＿ＳＩＺＥ，　１）．ＡＳＴＹＰＥ（＇ＦＬＯＡＴ３２＇）

　　Ｘ＿ＴＲＡＩＮ　／＝２５５．０

　　Ｘ＿ＴＥＳＴ　／＝２５５．０

　　＃　ＣＯＮＶＥＲＴ　ＣＬＡＳＳ　ＶＥＣＴＯＲＳ　ＴＯ　ＣＬＡＳＳ　ＭＡＴＲＩＣＥＳ

　　Ｙ＿ＴＲＡＩＮ＝ＫＥＲＡＳ．ＵＴＩＬＳ．ＴＯ＿ＣＡＴＥＧＯＲＩＣＡＬ（Ｙ＿ＴＲＡＩＮ，ＮＵＭ＿ＣＬＡＳＳＥＳ）

　　Ｙ＿ＴＥＳＴ＝ＫＥＲＡＳ．ＵＴＩＬＳ．ＴＯ＿ＣＡＴＥＧＯＲＩＣＡＬ（Ｙ＿ＴＥＳＴ，ＮＵＭ＿ＣＬＡＳＳＥＳ）

　　创建模型

　　创建一个简单的卷积神经网络，模型越简单、参数越少越好。随着人工智能技能的发展和国务院印发的《新一代人工智能发展规划》，人工智能越来越受到开发者们的关注，从而也导致了各种人工智能的库涌现出来，并且越来越完善强大。实际上，将把模型转换到浏览器上然后再运行，并希望模型能在预测任务中快速运行。

　　３）　重新训练现有模型

　　使用连接到浏览器的传感器数据或其他客户端数据重新训练ＭＬ模型。对于前三点偏重交互的领域，毋庸置疑用前端做起来驾轻就熟，而后面偏重计算的领域，前端是否合适做，或者说前端该怎么去做是有可以探讨的。无需安装任何额外的插件，可直接在浏览器上运行，使用谷歌ＣＯＬＡＢ来训练模型，并使用ＴＥＮＳＯＲＦＬＯＷ．ＪＳ将它部署到浏览器上。

　　阅读下面的教程（）了解如何创建　ＮＯＴＥＢＯＯＫ　和开始进行　ＧＰＵ　编程。

　　２）　运行现有模型

　　使用ＴＥＮＳＯＲＦＬＯＷ．ＪＳ模型转换器在浏览器中运行预训练好的ＴＥＮＳＯＲＦＬＯＷ模型。

　　华云数据“智汇华云”专栏将为您奉上“２０１９前端战略规划”系列文章，本期将为您讲解２０１９前端战略规划之人工智能ＡＩ。而在混合应用上，仍然也可以经受住考验，混合应用在手机上做个图表是轻轻松松的事（只需要获取数据，然后显示）。

　　不过，上图是完善版的物联网，代码自然是在ＧＩＴＨＵＢ上啦：ＬＡＮ。

　　ＭＯＤＥＬ．ＳＡＶＥ（‘ＫＥＲＡＳ．Ｈ５’）

　　为转换安装ＴＥＮＳＯＲＦＬＯＷ．ＪＳ：

　　！ＰＩＰ　ＩＮＳＴＡＬＬ　ＴＥＮＳＯＲＦＬＯＷ．ＪＳ

　　对模型进行转换：

　　！ＭＫＤＩＲ　ＭＯＤＥＬ

　　！ＴＥＮＳＯＲＦＬＯＷＪＳ＿ＣＯＮＶＥＲＴＥＲ　－－ＩＮＰＵＴ＿ＦＯＲＭＡＴ　ＫＥＲＡＳ　ＫＥＲＡＳ．Ｈ５ＭＯＤＥＬ／

　　通过　ＺＩＰ　将模型进行压缩，以便将其下载到本地机器上：

　　！ＺＩＰ　－Ｒ　ＭＯＤＥＬ．ＺＩＰ　ＭＯＤＥＬ

　　最后下载模型：

　　ＦＲＯＭ　ＧＯＯＧＬＥ．ＣＯＬＡＢ　ＩＭＰＯＲＴ　ＦＩＬＥＳ

　　ＦＩＬＥＳ．ＤＯＷＮＬＯＡＤ（＇ＭＯＤＥＬ．ＺＩＰ＇）

　　加载模型

　　使用ＴＥＮＳＯＲＦＬＯＷ．ＪＳ：

　　预处理

　　从画布中获取图像数据：

　　／／ＴＨＥ　ＭＩＮＩＭＵＭ　ＢＯＵＤＮＩＮＧ　ＢＯＸ　ＡＲＯＵＮＤ　ＴＨＥ　ＣＵＲＲＥＮＴ　ＤＲＡＷＩＮＧ

　　ＣＯＮＳＴ　ＭＢＢ＝ＧＥＴＭＩＮＢＯＸ

　　／／ＣＡＣＬＵＡＴＥ　ＴＨＥ　ＤＰＩ　ＯＦ　ＴＨＥ　ＣＵＲＲＥＮＴ　ＷＩＮＤＯＷ

　　ＣＯＮＳＴ　ＤＰＩ＝ＷＩＮＤＯＷ．ＤＥＶＩＣＥＰＩＸＥＬＲＡＴＩＯ

　　／／ＥＸＴＲＡＣＴ　ＴＨＥ　ＩＭＡＧＥ　ＤＡＴＡ

　　ＣＯＮＳＴ　ＩＭＧＤＡＴＡ＝

　　ＣＡＮＶＡＳ．ＣＯＮＴＥＸＴＣＯＮＴＡＩＮＥＲ．ＧＥＴＩＭＡＧＥＤＡＴＡ（ＭＢＢ．ＭＩＮ．Ｘ　＊　ＤＰＩ，　ＭＢＢ．ＭＩＮ．Ｙ　＊　ＤＰＩ，（ＭＢＢ．ＭＡＸ．Ｘ　－　ＭＢＢ．ＭＩＮ．Ｘ）　＊　ＤＰＩ，　（ＭＢＢ．ＭＡＸ．Ｙ　－　ＭＢＢ．ＭＩＮ．Ｙ）　＊　ＤＰＩ）；

　　将画布当前的图像数据转化为一个张量，调整大小并进行归一化处理：

　　ＦＵＮＣＴＩＯＮ　ＰＲＥＰＲＯＣＥＳＳ（ＩＭＧＤＡＴＡ）｛

　　ＲＥＴＵＲＮＴＦ．ＴＩＤＹ（＝＞｛

　　／／ＣＯＮＶＥＲＴ　ＴＨＥ　ＩＭＡＧＥ　ＤＡＴＡ　ＴＯ　Ａ　ＴＥＮＳＯＲ

　　ＬＥＴＴＥＮＳＯＲ＝ＴＦ．ＦＲＯＭＰＩＸＥＬＳ（ＩＭＧＤＡＴＡ，　ＮＵＭＣＨＡＮＮＥＬＳ＝１）

　　／／ＲＥＳＩＺＥＴＯ　２８　Ｘ　２８

　　ＣＯＮＳＴＲＥＳＩＺＥＤ＝ＴＦ．ＩＭＡＧＥ．ＲＥＳＩＺＥＢＩＬＩＮＥＡＲ（ＴＥＮＳＯＲ，　［２８，　２８］）．ＴＯＦＬＯＡＴ

　　／／ＮＯＲＭＡＬＩＺＥ　ＴＨＥ　ＩＭＡＧＥ

　　ＣＯＮＳＴＯＦＦＳＥＴ＝ＴＦ．ＳＣＡＬＡＲ（２５５．０）；

　　ＣＯＮＳＴＮＯＲＭＡＬＩＺＥＤ＝ＴＦ．ＳＣＡＬＡＲ（１．０）．ＳＵＢ（ＲＥＳＩＺＥＤ．ＤＩＶ（ＯＦＦＳＥＴ））；

　　／／ＷＥ　ＡＤＤＡ　ＤＩＭＥＮＳＩＯＮ　ＴＯ　ＧＥＴ　Ａ　ＢＡＴＣＨ　ＳＨＡＰＥ

　　ＣＯＮＳＴＢＡＴＣＨＥＤ＝ＮＯＲＭＡＬＩＺＥＤ．ＥＸＰＡＮＤＤＩＭＳ（０）

　　ＲＥＴＵＲＮＢＡＴＣＨＥＤ

　　｝）

　　｝

　　使用　ＭＯＤＥＬ．ＰＲＥＤＩＣＴ　进行预测，这将返回一个规模为「伟肯变频器Ｎ，　１００」的概率。ＴＥＮＳＯＲＦＬＯＷ．ＪＳ　不仅可以提供低级的机器学习构建模块，还可以提供高级的类似　ＫＥＲＡＳ　的　ＡＰＩ　来构建神经网络。

　　ＣＯＮＳＴ　ＰＲＥＤ＝

　　ＭＯＤＥＬ．ＰＲＥＤＩＣＴ（ＰＲＥＰＲＯＣＥＳＳ（ＩＭＧＤＡＴＡ））．ＤＡＴＡＳＹＮＣ

　　提升准确率

　　模型接受的输入数据是规模为　［Ｎ，　２８，　２８，　１］　的张量。

　　优点：

　　１）　不用安装驱动器和软件，通过链接即可分享程序

　　２）　网页应用交互性更强

　　３）　有访问ＧＰＳ，ＣＡＭＥＲＡ，ＭＩＣＲＯＰＨＯＮＥ，ＡＣＣＥＬＥＲＡＴＯＲ，ＧＹＲＯＳＣＯＰＥ等传感器的标准ＡＰＩ（主要是指手机端）

　　４）　安全性，因为数据都是保存在客户端的

　　应用方式：

　　１）　在浏览器中开发ＭＬ

　　使用简单直观的ＡＰＩ从头构建模型，然后使用低级别的ＪＡＶＡＳＣＲＩＰＴ线性代数库或高层ＡＰＩ进行训练。

　　图形识别：你画我猜

　　这里演示创建一个简单的工具来识别手绘图像，并且输出当前图像的名称。

　　ＴＥＮＳＯＲＦＬＯＷ．ＪＳ　可以为你提供高性能的、易于使用的机器学习构建模块，允许你在浏览器上训练模型，或以推断模式运行预训练的模型。

　　ＤＥＦ　ＬＯＡＤ＿ＤＡＴＡ（ＲＯＯＴ，　ＶＦＯＬＤ＿ＲＡＴＩＯ＝０．２，ＭＡＸ＿ＩＴＥＭＳ＿ＰＥＲ＿ＣＬＡＳＳ＝５０００　）：

　　ＡＬＬ＿ＦＩＬＥＳ＝ＧＬＯＢ．ＧＬＯＢ（ＯＳ．ＰＡＴＨ．ＪＯＩＮ（ＲＯＯＴ，　＇＊．ＮＰＹ＇））

　　＃ＩＮＩＴＩＡＬＩＺＥＶＡＲＩＡＢＬＥＳ

　　Ｘ＝ＮＰ．ＥＭＰＴＹ（［０，　７８４］）

　　Ｙ＝ＮＰ．ＥＭＰＴＹ（［０］）

　　ＣＬＡＳＳ＿ＮＡＭＥＳ＝

　　＃ＬＯＡＤ　ＡＳＵＢＳＥＴ　ＯＦ　ＴＨＥ　ＤＡＴＡ　ＴＯ　ＭＥＭＯＲＹ

　　ＦＯＲ　ＩＤＸ，ＦＩＬＥ　ＩＮ　ＥＮＵＭＥＲＡＴＥ（ＡＬＬ＿ＦＩＬＥＳ）：

　　ＤＡＴＡ＝ＮＰ．ＬＯＡＤ（ＦＩＬＥ）

　　ＤＡＴＡ＝ＤＡＴＡ［０：　ＭＡＸ＿ＩＴＥＭＳ＿ＰＥＲ＿ＣＬＡＳＳ，　：］

　　ＬＡＢＥＬＳ＝ＮＰ．ＦＵＬＬ（ＤＡＴＡ．ＳＨＡＰＥ［０］，　ＩＤＸ）

　　Ｘ＝Ｎ变频器维修 Ｐ．ＣＯＮＣＡＴＥＮＡＴＥ（（Ｘ，　ＤＡＴＡ），　ＡＸＩＳ＝０）

　　Ｙ＝ＮＰ．ＡＰＰＥＮＤ（Ｙ，　ＬＡＢＥＬＳ）

　　ＣＬＡＳＳ＿ＮＡＭＥ，　ＥＸＴ＝ＯＳ．ＰＡＴＨ．ＳＰＬＩＴＥＸＴ（ＯＳ．ＰＡＴＨ．ＢＡＳＥＮＡＭＥ（ＦＩＬＥ））

　　ＣＬＡＳＳ＿ＮＡＭＥＳ．ＡＰＰＥＮＤ（ＣＬＡＳＳ＿ＮＡＭＥ）

　　ＤＡＴＡ＝ＮＯＮＥ

　　ＬＡＢＥＬＳ＝ＮＯＮＥ

　　＃ＳＥＰＡＲＡＴＥＩＮＴＯ　ＴＲＡＩＮＩＮＧ　ＡＮＤ　ＴＥＳＴＩＮＧ

　　ＰＥＲＭＵＴＡＴＩＯＮ＝ＮＰ．ＲＡＮＤＯＭ．ＰＥＲＭＵＴＡＴＩＯＮ（Ｙ．ＳＨＡＰＥ［０］）

　　Ｘ＝Ｘ［ＰＥＲＭＵＴＡＴＩＯＮ，　：］

　　Ｙ＝Ｙ［ＰＥＲＭＵＴＡＴＩＯＮ］

　　ＶＦＯＬＤ＿ＳＩＺＥ＝ＩＮＴ（Ｘ．ＳＨＡＰＥ［０］／１００＊（ＶＦＯＬＤ＿ＲＡＴＩＯ＊１００））

　　Ｘ＿ＴＥＳＴ＝Ｘ［０：ＶＦＯＬＤ＿ＳＩＺＥ，　：］

　　Ｙ＿ＴＥＳＴ＝Ｙ［０：ＶＦＯＬＤ＿ＳＩＺＥ］

　　Ｘ＿ＴＲＡＩＮ＝Ｘ［ＶＦＯＬＤ＿ＳＩＺＥ：Ｘ．ＳＨＡＰＥ［０］，　：］

　　Ｙ＿ＴＲＡＩＮ＝Ｙ［ＶＦＯＬＤ＿ＳＩＺＥ：Ｙ．ＳＨＡＰＥ［０］］

　　ＲＥＴＵＲＮＸ＿ＴＲＡＩＮ，　Ｙ＿ＴＲＡＩＮ，　Ｘ＿ＴＥＳＴ，　Ｙ＿ＴＥＳＴ，　ＣＬＡＳＳ＿ＮＡＭＥＳ

　　数据预处理

　　对数据进行预处理操作，为训练模型做准备。２０１９年３月，华云数据宣布对国际领先超融合软件厂商ＭＡＸＴＡ，　ＩＮＣ．全部资产完成了合法合规收购。

　　流程

　　使用ＫＥＲＡＳ框架在谷歌ＣＯＬＡＢ免费提供的ＧＰＵ上训练模型，然后使用　ＴＥＮＳＯＲＦＬＯＷ．ＪＳ　直直接在浏览器上运行模型。

　　。

　　ＩＭＰＯＲＴ　ＵＲＬＬＩＢ．ＲＥＱＵＥＳＴ

　　ＤＥＦ　ＤＯＷＮＬＯＡＤ：

　　ＢＡＳＥ＝＇＇

　　ＦＯＲ　Ｃ　ＩＮＣＬＡＳＳＥＳ：

　　ＣＬＳ＿ＵＲＬ＝Ｃ．ＲＥＰＬＡＣＥ（＇＿＇，　＇％２０＇）

　　ＰＡＴＨ＝ＢＡＳＥ＋ＣＬＳ＿ＵＲＬ＋＇．ＮＰＹ＇

　　ＰＲＩＮＴ（ＰＡＴＨ）

　　ＵＲＬＬＩＢ．ＲＥＱＵＥＳＴ．ＵＲＬＲＥＴＲＩＥＶＥ（ＰＡＴＨ，　＇ＤＡＴＡ／＇＋Ｃ＋＇．ＮＰＹ＇）

　　加载图像（每个类型５０００张），　其中的　２０％　作为测试数据。该模型将使用规模为　［Ｎ，　２８，　２８，　１］　的批处理，并且输出规模为　［Ｎ，　１００］　的概率。

　　这个卷积神经网络将在ＱＵＩＣＫＤＲＡＷ数据集

　　（）上接受训台达变频器练。为了做到这一点，通过找到左上方和右下方的点来提取围绕图像的最小边界框。

　　谷歌推出的第一个基于ＴＥＮＳＯＲＦＬＯＷ的前端深度学习框架ＴＥＮＳＯＲＦＬＯＷ．ＪＳ　是一个开源的用于开发机器学习项目的　ＷＥＢＧＬ－ＡＣＣＥＬＥＲＡＴＥＤ　ＪＡＶＡＳＣＲＩＰＴ　库。

　　相信大家对数据可视化也不会陌生，很容易能联想到阿尔法狗，这些年明显的趋势也是人工智能，比如语音识别、图像识别、人脸识别、指纹识别等，以及现在外面在做的一些数据可视化的内容。

　　／／ＲＥＣＯＲＤ　ＴＨＥ　ＣＵＲＲＥＮＴ　ＤＲＡＷＩＮＧ　ＣＯＯＲＤＩＮＡＴＥＳ

　　ＦＵＮＣＴＩＯＮ　ＲＥＣＯＲＤＣＯＯＲ（ＥＶＥＮＴ）｛

　　／／ＧＥＴ　ＣＵＲＲＥＮＴＭＯＵＳＥ　ＣＯＯＲＤＩＮＡＴＥ

　　ＶＡＲ　ＰＯＩＮＴＥＲ＝ＣＡＮＶＡＳ．ＧＥＴＰＯＩＮＴＥＲ（ＥＶＥＮＴ．Ｅ）；

　　ＶＡＲ　ＰＯＳＸ＝ＰＯＩＮＴＥＲ．Ｘ；

　　ＶＡＲ　ＰＯＳＹ＝ＰＯＩＮＴＥＲ．Ｙ；

　　／／ＲＥＣＯＲＤ　ＴＨＥＰＯＩＮＴ　ＩＦ　ＷＩＴＨＩＮＧ　ＴＨＥ　ＣＡＮＶＡＳ　ＡＮＤ　ＴＨＥ　ＭＯＵＳＥ　ＩＳ　ＰＲＥＳＳＥＤ

　　ＩＦ（ＰＯＳＸ　＞＝０＆＆　ＰＯＳＹ　＞＝０　＆＆　ＭＯＵＳＥＰＲＥＳＳＥＤ）

　　｛

　　ＣＯＯＲＤＳ．ＰＵＳＨ（ＰＯＩＮＴＥＲ）

　　｝

　　｝

　　／／ＧＥＴ　ＴＨＥ　ＢＥＳＴ　ＢＯＵＮＤＩＮＧ　ＢＯＸ　ＢＹ　ＦＩＮＤＩＮＧ　ＴＨＥ　ＴＯＰ　ＬＥＦＴＡＮＤ　ＢＯＴＴＯＭ　ＲＩＧＨＴ　ＣＯＲＮＤＥＲＳ

　　ＦＵＮＣＴＩＯＮ　ＧＥＴＭＩＮＢＯＸ｛

　　ＶＡＲ　ＣＯＯＲＸ＝ＣＯＯＲＤＳ．ＭＡＰ（ＦＵＮＣＴＩＯＮ（Ｐ）　｛ＲＥＴＵＲＮ　Ｐ．Ｘ｝）；

　　ＶＡＲ　ＣＯＯＲＹ＝ＣＯＯＲＤＳ．ＭＡＰ（ＦＵＮＣＴＩＯＮ（Ｐ）　｛ＲＥＴＵＲＮ　Ｐ．Ｙ｝）；

　　／／ＦＩＮＤ　ＴＯＰＬＥＦＴ　ＣＯＲＮＥＲ

　　ＶＡＲＭＩＮ＿ＣＯＯＲＤＳ＝｛

　　Ｘ　：ＭＡＴＨ．ＭＩＮ．ＡＰＰＬＹ（ＮＵＬＬ，　ＣＯＯＲＸ），

　　Ｙ　：ＭＡＴＨ．ＭＩＮ．ＡＰＰＬＹ（ＮＵＬＬ，　ＣＯＯＲＹ）

　　｝

　　／／ＦＩＮＤ　ＲＩＧＨＴＢＯＴＴＯＭ　ＣＯＲＮＥＲ

　　ＶＡＲＭＡＸ＿ＣＯＯＲＤＳ＝｛

　　Ｘ　：ＭＡＴＨ．ＭＡＸ．ＡＰＰＬＹ（ＮＵＬＬ，　ＣＯＯＲＸ），

　　Ｙ　：ＭＡＴＨ．ＭＡＸ．ＡＰＰＬＹ（ＮＵＬＬ，　ＣＯＯＲＹ）

　　｝

　　ＲＥＴＵＲＮ　｛

　　ＭＩ伟肯变频器Ｎ　：ＭＩＮ＿ＣＯＯＲＤＳ，

　　ＭＡＸ　：ＭＡＸ＿ＣＯＯＲＤＳ

　　｝

　　｝

　　关于华云数据：

　　华云数据集团专注于为客户提供　“自主、安全、可控”的云计算服务，以帮助用户采用云计算提升ＩＴ能力，实现业务变革。最好只裁剪包含当前手绘图像的方框。

　　成立八年来，华云数据坚持自主研发，获得了５１２项知识产权，在私有云、混合云、公有云和超融合领域均通过了相关可信云认证，获得了软件能力成熟度模型集成ＣＭＭＩ５证书，是国家课题承接单位、中国十大云计算解决方案提供商。

　　下面的模型包含　３　个卷积层和　２　个全连接层：

　　＃　ＤＥＦＩＮＥ　ＭＯＤＥＬ

　　ＭＯＤＥＬ＝ＫＥＲＡＳ．ＳＥＱＵＥＮＴＩＡＬ

　　ＭＯＤＥＬ．ＡＤＤ（ＬＡＹＥＲＳ．ＣＯＮＶＯＬＵＴＩＯＮ２Ｄ（１６，　（３，　３），

　　ＰＡＤＤＩＮＧ＝＇ＳＡＭＥ＇，

　　ＩＮＰＵＴ＿ＳＨＡＰＥ＝Ｘ＿ＴＲＡＩＮ．ＳＨＡＰＥ［１：］，　ＡＣＴＩＶＡＴＩＯＮ＝＇ＲＥＬＵ＇））

　　ＭＯＤＥＬ．ＡＤＤ（ＬＡＹＥＲＳ．ＭＡＸＰＯＯＬＩＮＧ２Ｄ（ＰＯＯＬ＿ＳＩＺＥ＝（２，　２）））

　　ＭＯＤＥＬ．ＡＤＤ（ＬＡＹＥＲＳ．ＣＯＮＶＯＬＵＴＩＯＮ２Ｄ（３２，　（３，　３），ＰＡＤＤＩＮＧ＝＇ＳＡＭＥ＇，　ＡＣＴＩＶＡＴＩＯＮ＝＇ＲＥＬＵ＇））

　　ＭＯＤＥＬ．ＡＤＤ（ＬＡＹＥＲＳ．ＭＡＸＰＯＯＬＩＮＧ２Ｄ（ＰＯＯＬ＿ＳＩＺＥ＝（２，　２）））

　　ＭＯＤＥＬ．ＡＤＤ（ＬＡＹＥＲＳ．ＣＯＮＶＯＬＵＴＩＯＮ２Ｄ（６４，　（３，　３），ＰＡＤＤＩＮＧ＝＇ＳＡＭＥ＇，　ＡＣＴＩＶＡＴＩＯＮ＝＇ＲＥＬＵ＇））

　　ＭＯＤＥＬ．ＡＤＤ（ＬＡＹＥＲＳ．ＭＡＸＰＯＯＬＩＮＧ２Ｄ（ＰＯＯＬ＿ＳＩＺＥ＝（２，２）））

　　ＭＯＤＥＬ．ＡＤＤ（ＬＡＹＥＲＳ．ＦＬＡＴＴＥＮ）

　　ＭＯＤＥＬ．ＡＤＤ（ＬＡＹＥＲＳ．ＤＥＮＳＥ（１２８，　ＡＣＴＩＶＡＴＩＯＮ＝＇ＲＥＬＵ＇））

　　ＭＯＤＥＬ．ＡＤＤ（ＬＡＹＥＲＳ．ＤＥＮＳＥ（１００，　ＡＣＴＩＶＡＴＩＯＮ＝＇ＳＯＦＴＭＡＸ＇））

　　＃　ＴＲＡＩＮ　ＭＯＤＥＬ

　　ＡＤＡＭ＝ＴＦ．ＴＲＡＩＮ．ＡＤＡＭＯＰＴＩＭＩＺＥＲ

　　ＭＯＤＥＬ．ＣＯＭＰＩＬＥ（ＬＯＳＳ＝＇ＣＡＴＥＧＯＲＩＣＡＬ＿ＣＲＯＳＳＥＮＴＲＯＰＹ＇，

　　ＯＰＴＩＭＩＺＥＲ＝ＡＤＡＭ，

　　ＭＥＴＲＩＣＳ＝［＇ＴＯＰ＿Ｋ＿ＣＡＴＥＧＯＲＩＣＡＬ＿ＡＣＣＵＲＡＣＹ＇］）

　　ＰＲＩＮＴ（ＭＯＤＥＬ．ＳＵＭＭＡＲＹ）

　　拟合、验证及测试

　　对模型进行了　５　轮训练，将训练数据分成了　２５６　批输入模型，并且分离出　１０％　作为验证集。华云数据主要面向企业级用户提供定制化私有云、混合云解决方案，同时还可以提供大数据服务、超融合产品、公有云、ＩＤＣ转云等服务。

　　传统意义上ＰＹＴＨＯＮ已经成为了最受欢迎的机器学习语言，近来，ＪＡＶＡＳＣＲＩＰＴ也出现的很多优秀的框架，尽管ＪＡＶＡＳＣＲＰＴ和ＮＯＤＥ．ＪＳ的的性能要比　ＰＹＴＨＯＮ　和　ＪＡＶＡ　的性能差，但它们已经能够应对机器学习中的许多问题。２０１６年起，华云数据集团连续三年被评为中国独角兽企业；　２０１８年５月，进入　“中国大数据独角兽企业ＴＯＰ２０榜”，　２０１８年７月，荣膺“２０１８中国互联网百强企业”称号，２０１８年８月，入围“中国大数据企业５０强”。

　　该数据集包含　３４５　个类别的大约　５　千万张手绘图像。在ＡＩ的项目中，很多时候需要获取麦克风和摄像头的权限，好实现“听”，“说”，“看”的功能，对于图片的处理，网上也已经有不少用ＣＡＮＶＡＳ实现的例子。

　　ＤＥＭＯ地址：

　　ＣＯＤＥ地址：

　　数据集

　　使用卷积神经网络（ＣＮＮ）来识别不同类型的手绘图像。

　　能做什么

　　前端工程在人工智能的团队到底能做什么，体现怎么的价值？从实践看，要完成一个完整的人工智能项目，三种东西是不可或缺的：算法，数据和工程。

　　具体的大致可以分为五块内容：人机交互，数据可视化，产品ＷＥＢ，计算，模型训练和算法执行。

　　ＴＥＮＳＯＲＦＬＯＷ

　　ＴＥＮＳＯＲＦＬＯＷ．ＪＳ是一个开源的基于硬件加速的ＪＡＶＡＳＣＲＩＰＴ库，用于训练和部署机器学习模型。同时，ＷＥＢ　编程语言也具有很强的易用性，即你只要搞定了　ＷＥＢ　浏览器，那么运行　ＪＡＶＡＳＣＲＩＰＴ　人工智能项目就不是问题。作为服务端来说，ＮＯＤＥ．ＪＳ的能力已经是经过验证的。

　　在ＴＥＮＳＯＲＦＬＯＷ．ＪＳ上有一个教程：

　　下图为处理流程：

　　在ＣＯＬＡＢ上进行训练

　　谷歌　ＣＯＬＡＢ提供了免费的　ＧＰＵ　处理能力。自２０１０年成立以来，华云数据不断深入了解企业用户需求和行业特性，是一家追求卓越的云计算服务提供商。

　　＃ＦＩＴ　ＴＨＥ　ＭＯＤＥＬ

　　ＭＯＤＥＬ．ＦＩＴ（Ｘ＝Ｘ＿ＴＲＡＩＮ，　Ｙ＝Ｙ＿ＴＲＡＩＮ，

　　ＶＡＬＩＤＡＴＩＯＮ＿ＳＰＬＩＴ＝０．１，ＢＡＴＣＨ＿ＳＩＺＥ＝２５６，　ＶＥＲＢＯＳＥ＝２，　ＥＰＯＣＨＳ＝５）

　　＃ＥＶＡＬＵＡＴＥ　ＯＮ　ＵＮＳＥＥＮ　ＤＡＴＡ

　　ＳＣＯＲＥ＝

　　ＭＯＤＥＬ．ＥＶＡＬＵＡＴＥ（Ｘ＿ＴＥＳＴ，　Ｙ＿ＴＥＳＴ，　ＶＥＲＢＯＳＥ＝０）

　　ＰＲＩＮＴ（＇ＴＥＳＴ　ＡＣＣＵＡＲＣＹ：　｛：０．２Ｆ｝％＇．ＦＯＲＭＡＴ（ＳＣＯＲＥ［１］　＊１００））

　　准备ＷＥＢ格式的模型

　　在得到满意的模型准确率后，将模型保存下来，以便进行下一步的转换

20190422082402