前言:本文章纯属自己学习路线纪录,不喜勿喷。
最近AI很火,几乎是个程序员 都要去学习AI,作为一个菜鸡小前端,我也踏上了学习AI的方向。
在学习之中,最开始遇到了很多的困难,比如你不知道如何切入进来学习AI,你网上搜集到的资料都是各种各样,完全象各种碎片一样,自己又无法拼凑起来 形成一个完美的学习课程,
我前后摸索,看了很多视频,学到了很多的关键字,听到了很多各种各样的名词,loss fn ,卷积神经网络,paddlepaddle,imgnet,积木,等等。头脑很乱 时间花了不少,但是学习效果很卑微。
在看了极客,慕课,百度,阿里的机器学习之后,我决定我前端以应用层的视角切入AI,即:
了解AI的过程和简单原理,
掌握如何调用AI的接口,
在应用层展示模型数据的反馈,
最后掌握如何在前端调用模型,利用kares.js来在浏览器做模型计算(可能比较满)并且反馈在页面上。
正文:
目前AI我了解到主要有情感识别,数字识别,图片分类,等等 ,简单来讲就是
X*W=Y
即:通过大量的数据,每一个X对应一个Y,通过大量的数据和数学反推,找到一个最合适的数据模型(W)。 具体的数学方便的知识我就不记录了,因为太多了。建议学习的童鞋可以先通过看教学视频了解什么是AI。
推荐2个学习视频地址:
2.极客网上,记录的关于paddlepaddle例子的讲解。
看了资料,对AI有了认识,对如何实现具体功能有了了解之后,开始具体自己来跑paddle的例子。
悲剧的事第一个就开始了(window做开发坑真的多),由于大量的资料都是谷歌的,基本中文资料相对比较少,我个人英文吃力,所以选择了学习了百度的paddlepaddle ,
Ps:我是win10 系统,paddle paddle不直接支持window 系统,所以我用python环境安装(python的环境是必备的,不清楚可以搜廖雪峰老师的python教程)的paddle就一直报错,
转而在docker 环境下去学习paddle。具体安装docker 的教程我就直接附上地址吧, 这篇博客安装docker 还是很有用的(window);
docker 环境安装好,就开始安装paddle 环境,这个我自己绕了很多路,都没弄好,最后直接在官网看到了最简单的方式
使用Docker安装运行
使用Docker安装和运行PaddlePaddle可以无需考虑依赖环境即可运行。并且也可以在Windows的docker中运行。 您可以在 Docker官网 获得基本的Docker安装和使用方法。
如果您在使用Windows,可以参考 这篇 教程,完成在Windows上安装和使用Docker。
在了解Docker的基本使用方法之后,即可开始下面的步骤:
获取PaddlePaddle的Docker镜像
执行下面的命令获取最新的PaddlePaddle Docker镜像,版本为cpu_avx_mkl:
docker pull paddlepaddle/paddle
对于国内用户,我们提供了加速访问的镜像源:
docker pull docker.paddlepaddlehub.com/paddle
下载GPU版本(cuda8.0_cudnn5_avx_mkl)的Docker镜像:
docker pull paddlepaddle/paddle:latest-gpu docker pull docker.paddlepaddlehub.com/paddle:latest-gpu
选择下载使用不同的BLAS库的Docker镜像:
# 默认是使用MKL的镜像 docker pull paddlepaddle/paddle # 使用OpenBLAS的镜像 docker pull paddlepaddle/paddle:latest-openblas
下载指定版本的Docker镜像,可以从 DockerHub网站 获取可选的tag,并执行下面的命令:
docker pull paddlepaddle/paddle:[tag] # 比如: docker pull docker.paddlepaddlehub.com/paddle:0.11.0-gpu
楼主是安装的Gpu 版本的docker。网速不好的童鞋 一定要选择国内的镜像哦,不然像楼主一样,安了2个多小时 才不到百分之30,最后用国内镜像,10分钟就搞定了。
然后 我继续安装了paddle/book, ,如果你装好了paddle环境,那么直接运行
docker run -p 8888:8888 paddlepaddle/book
就会自动找寻最稳定的book 版本安装;
安装好后就可以先跑paddle官方的demo了,。