【CloudMile X StarRocket 】TensorFlow機器學習視覺辨識工作坊

文/Lydia|編輯/Quen

【CloudMile X StarRocket 】TensorFlow機器學習視覺辨識工作坊

文/Lydia|編輯/Quen

  上週四與週五一連兩天,CloudMile StarRocket 在三創的十一樓創新基地,舉辦了一場TensorFlow」的學習講座,讓對機器學習有興趣的朋友能夠在現場一起動手操作,藉由這個機會深入了解現在最夯的機器學習軟體庫。在第二天由 CloudMile IT 總監 Jonathan 實際帶大家進行 lab 之前,CloudMile COO James CTO 郭博士在第一天下午也先為我們完整介紹了 Google Cloud PlatformGCP)和相關的背景知識,接著就來告訴大家究竟什麼是TensorFlow,以及當天的講座精華。

  首先,在過去我們常常認為「雲端」就是網路上一個可以儲存、共享資源的平台,但其實這僅僅只是雲端功能的一小部分,雲端的運算除了 storage 之外,也包含了 compute engine 和作為機器學習前提的 big data

  big data 巨量數據,也就是我們常聽到的大數據。是指在處理越來越龐雜、越來越多的資料時,透過蒐集、整理和分析,在析出資料關聯性的同時,我們可以得到許多額外的新資訊,這些不僅可以用來察覺商業趨勢,配合機器學習更能夠廣泛的運用在現在社會中,data science 正在逐漸應運而生。 

Tensorflow

  接下來要跟大家介紹主角「Tensorflow」,在開始之前,我們可以先閱讀CloudMile部落格的相關文章:https://www.mile.cloud/single-post/tensorflow-lite/。和此次講座相同,文章也是從圖片辨識的角度進入機器學習,我們第一時間不一定能區分出藝人夏于喬宋芸樺Google 機器學習後的 Tensorflow 系統卻能夠近乎精準的辨識。

  物件辨識亦能應用在增加日常生活的便利性,像是停車場的車牌辨識系統,而透過同樣的 api 應用,我們可以預測使用者的行為,進而防止詐騙或是洗錢的違法行為,或是向消費者推薦商品及文章增加廣告效應。機器學習也正在試圖理解語音圖像或是文字的情緒,比翻譯再更近一步的語意分析便是一大重點。

  一些常見的例子包含上述的 Google vision api,或是比照片在更進階的 Video Intelligence,利用機器學習來辨析出影片裡面出現的物件,而像是 Automatic machine translation (照片直接翻譯)的前提下,一些外國招牌品項都可以結合 app 翻譯讓生活更加便利,Automatic Text Generation (語境模仿)能夠仿照某位作家方格進行自動創作,為圖片塗上常見正確的顏色、或是給照片加上簡單的註解,以上都是已經擺在人類眼前的進行式了。

Tensorflow 應用例子。圖/Google Blog

  TensorFlow是一套由Google Brain團隊開發的開放程式碼軟體庫,是一個透過資料流 (flow) 圖像來進行演算的開源機器學習工具,因為這個工具的基礎是透過「節點」和「邊」來表示多為度的資料,也就是張量(tensors),因此命名為TensorFlow。201511月開始,至今大約是20個月,跟其他的機器學習框架相比是相對年輕的,但如今卻是最受歡迎的一套系統,TensorFlow使用c++語言,且在各種平台都可以佈署,windows、linux、mac之外,手機的ios、andriod都沒有問題,加上它的運作十分快速,因此TensorFlow廣泛的被應用程式作為基礎使用。

神經網路

  透過實際操作來嘗試理解TensorFlow的運作,我們知道深度學習跟傳統Computer Vision都可以透過演算法找出個別特徵加以辨識,並且加上各自的標籤,差別只在於是否手動擷取特徵。人工智慧(AI)之下包含了機器學習(Machine Learnng),而深度學習Deep Neural NetworksDNN)是機器學習下的一環,CNN(Convolutional Neural Network)卷積神經網路其實也就是DNN的一種

  一個神經網路中,包含了許多的神經元「層」,基本架構是「輸入層」和「輸出層」,以及使用者看不到的、負責中間的運算過程的「隱藏層」,當隱藏層的數量多於一層時,往往就會被稱為深度神經網路(DNN),卷積神經網路(CNN))的隱藏層就有卷積層、池化層(pooling )、一個或多個全連接層(FC)等。

  神經網路為人們在研究生物神經(Biological Neural Network)模型時發現而衍生出來的,不同於傳統的感知機,透過疊加神經元(neuron)和反向傳播運算法(backpropagation)來進行學習,可以將過程理解成trial and error的嘗試錯誤學習法。在巨量的資料背景下,機器學習會不斷丟出訊息且在得到反饋之後做出修正,藉此來一步一步命中目標。

  去年人類世界圍棋冠軍李世乭,敗給了 Google 人工智慧AlphaGo,這件事情震驚了全球,也讓我們更確切地感受到何謂人工智慧和大數據的機器學習,儘管有一方論點擔憂著人類被人工智慧取代,各家科技巨頭依舊紛紛投入AI產業,釋出自己的機器學習框架,讓中小企業也能夠參與之外,也讓這些應用範圍越來越廣的深度學習更加貼近我們的生活。

CloudMile

成立於 2016 年,致力於 B2B 雲端與人工智慧應用,為客戶建立國際級雲端架構,並以機器學習及大數據分析技術為核心,協助企業進行商業預測與產業升級。

Website: https://www.mile.cloud/
Facebook: https://www.facebook.com/CloudMileFans/
Linkedin: https://www.linkedin.com/company/cloudmile/
Youtube: https://www.youtube.com/c/CloudMile
Contact Us: service@mile.cloud