如果尝试编写 AI

我们谈论了很多关于借助 AI 编写代码的新趋势。如果你仔细研究一下，就会发现：人工智能能够取代公司中一小部分现代代码。
如今，人工智能在以下领域更加有效：检测物体、文字机器人和计算机视觉。

上图是一个不太硬的神经网络，它基于一系列的卷积和拉取。这种特殊的设计被命名为 UNet-Segmentation。

• 一些有用的库将有助于影响训练网络的数据：numpy、pandas、matplotlib

df = pd.read_csv('data/train_masks.csv')

train_df = df[:4000]
val_df = df[4000:]

img_name, mask_rle = train_df.iloc[4]

img = cv2.imread('data/train/{}'.format(img_name))
mask = rle_decode(mask_rle)

• 成功编码 AI 的下一步：将架构复制到 Python（我通常使用 Google Colab/Jupyter Notebook）。可能有帮助：keras

conv_1_1 = Conv2D(32, (3, 3), padding='same')(inp) 
conv_1_1 = Activation('relu')(conv_1_1) 

conv_1_2 = Conv2D(32, (3, 3), padding='same')(conv_1_1)
conv_1_2 = Activation('relu')(conv_1_2)

pool_1 = MaxPooling2D(2)(conv_1_2)

• 最后一篇：模型训练。有时需要一点时间（对我来说大约 7 分钟）才能完成所有区域

model.fit_generator(keras_generator(train_df, batch_size),
              steps_per_epoch=100, 
              epochs=100, 
              verbose=1, 
              callbacks=callbacks, 
              validation_data=keras_generator(val_df, batch_size),
              validation_steps=50,
              class_weight=None,
              max_queue_size=10,
              workers=1,
              use_multiprocessing=False,
              shuffle=True,
              initial_epoch=0)

以上是如果尝试编写 AI的详细内容。更多信息请关注PHP中文网其他相关文章！