我们知道，人工智能的概念由来已久，它可以追溯到上个世纪初。近年来，由于李世石和alphago之间的人机战争，它赢得了很高的声誉。很多人认为人工智能涉及到很多学科，比如概率统计、计算机科学等等，所以他们都很害怕，彼此敬而远之！当然，对人工智能基本原理的研究确实充满了复杂性和挑战性！但这不一定意味着我们永远无法接近她。因此，我将在以后的文章中记录我的一些学习过程。详细解释我为什么想学它。以及如何简单地应用它。华阳将介绍神经网络的构造，例如识别车辆、人脸或医学中的细胞形态识别。神经网络有很多种，如传统神经网络、循环神经网络和卷积神经网络。有深度强化学习、机器学习等等。互联网上有很多资料，但是很多内容都是复杂、冗长和令人生畏的。今天，边肖将通过一些通俗语言的具体例子，尽力分析神经网络实现训练和图像识别的奥秘。
第一部分:数据预处理。众所周知，对于一台计算机来说，无论是文本信息、图片还是视频，它都是由0和1组成的一堆数据。因此，神经网络的数据集也应该是一堆数字矩阵。以我的细胞形态识别为例。首先，我们需要建立一个包含大量复杂样本的数据集。我将以cnn神经网络识别和分类三种细胞为例。下图:
其中，图片样本越大，越复杂，准确度越高！
图片最好看的游戏小说显示了要分类的样本
接下来，我们需要对照片进行批量处理。在这里，我们需要使用批处理脚本来批量调整许多图片的大小，重命名照片，设置标签等等！(我将在脚本专栏中讨论办公自动化、游戏和其他脚本的简单实现。请期待它！)我在这里很粗暴
给我看看数据集制作的脚本！！
图为批量重命名照片的脚本。主要功能是os.rename()，用于批量重命名文件。原则是在每种类型的照片前添加0或1、2等作为一种类型照片的标签
图2用于照片的批量转换和灰度转换。可选择opencv或抱枕进行操作，主功能resize()调整为100*100。
图3是将图片转换成神经网络可以接受的numpy数组。np.array()函数主要是np.array()
运行脚本，到目前为止，我们已经完成了细胞形态识别的数据集！
让我们来看看卷积神经网络。你在吃什么数据？
在图片中，嗜酸性粒细胞照片的尺寸被重新切割并标记为0
在图中，我们可以看到嗜酸性粒细胞照片附有0标记，嗜碱性粒细胞以同样的方式被视为1标记，从而得到[0.0.0.1.1.1.2.2]的阵列。之后，它被分类为[1.0.0][0.1.0]等等(1的位置代表三个类别中的哪一个)
最后，让我们看看照片图像的处理:
所有的照片都被转换成上面图片左边显示的数字矩阵！
至此，这一部分结束了！我们已经完成了神经网络构建的第一个环节，也是非常重要的一个环节——数据处理。
最后，本文取自个人微信公众账号！
欢迎关注我的微信公众账户！
文章来源：www.atolchina.com