深度学习图像识别：基础知识与环境搭建

深度学习图像识别：基础知识与环境搭建

1. 深度学习的基本原理

1. 什么是人工智能？

通过学习掌握了某中技能的机器，我们认为它具备了人工智能

2. 什么是深度学习？

深度学习的概念源于人工神经网络的研究；
含多层感知机的神经网络结构叫做深度学习；

3. 深度学习的基本原理

数据x - 网络判断数据 - 结果h（拿数据标签与结果做对比） - 损失（loss = （h - x）x（h - x）） - 优化 - 更新（网络内部数据） - 数据

2. 计算机是如何理解图像的

三原色：RGB
计算机中的色彩又RGB三层通道根据不同比例进行堆叠，相当于三种不同颜色的光打在某处
每个像素点都是RGB堆叠，像素点拼接形成矩阵，一张图片本质就是数据的累计
在计算机角度，图片就是矩阵

from PIL import Image
import numpy as np
 
img = np.random.randint(0,255,90000).reshape(100,300,3) #生成随机数矩阵
im = Image.fromarray(np.uint8(img),"RGB")
im.show()

• 效果图：

3. 图像识别原理分析

图片（矩阵） -> 网络（矩阵运算）-> 输出（比如猫0.6/狗0.4）-> 结果猫
训练：样本（数据x，标签y），结果（概率h：0.5，0.5）
类比考试，y是正确答案，h是“你的答案”

4. 搭建深度学习图像识别环境

深度学习框架：Pytorch
IDE: Pycharm
集成开发环境：Anaconda

1. 安装Anaconda：网上有教程，注意有一个页面选项可以直接添加进path
2. 安装pytorch
   在anaconda prompt中输入（如果网速过慢终止后再开始）：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c python

3. 安装opencv等其他

pip install tensorflow keras opencv-python opencv-contrib-python

4. 安装pycharm
   正常安装，安装结束后修改 设置 -> 解释器 -> 现有环境 -> 找到anaconda中python（base那个）