2019年.NET下的深度学习应用实践.pdf

《2019年.NET下的深度学习应用实践.pdf》由会员分享，可在线阅读，更多相关《2019年.NET下的深度学习应用实践.pdf（34页珍藏版）》请在三个皮匠报告上搜索。

1、.NET Core 2019China.NET Conf 2019.NET下的深度学习应用实践China.NET Conf 2019大 纲（1）研发流程和方法（2）实践案例（3）深度学习的一些经验技巧（4）发展趋势PART ONE R&D PROCESS AND METHOD第一部分：研发流程和方法China.NET Conf 20191.1 一般性研发流程China.NET Conf 2019 1.2 问题的切入与分析China.NET Conf 20191.4 模型的方向性选择1、线性简单模型：类似于线性回归、线性判别分析等基础线性模型。2、树类模型：决策树、随机森林等相关模型。3、传统机

2、器学习：传统机器学习中经典模型进行尝试，如SVM、KNN等。4、深度学习：利用多层感知器、深度神经网络、卷积神经网络等尝试。1线性简单模型2树类模型3传统机器学习4深度学习China.NET Conf 20191.3 计算性能分析：计算平台020103表示计算平台的性能上限，指的是一个计算平台倾尽全力每秒钟所能完成的浮点运算数，单位是FLOP/s。算力表示计算平台的带宽上限，指的是一个计算平台倾尽全力每秒所能完成的内存交换量，单位是Byte/s。带宽 算力除以带宽即可得到计算平台的计算强度上限。它描述的是在这个计算平台上，单位内存交换最多用来进行多少次计算，单位是FLOP/Byte。计算强度上

3、限 China.NET Conf 20191.3 计算性能分析：模型指的是输入单个样本，模型进行一次完整的前向传播所发生的浮点运算个数，也即模型的时间复杂度，单位是FLOPS。计算量访存量指的是输入单个样本，模型完成一次前向传播过程中所发生的内存交换总量，也即模型的空间复杂度，数据类型通常为float32。China.NET Conf 20191.4.NET 深度学习库工具一览TensorflowSharp工具TensorFlowSharp是对TensorFlow C 语言版 API 的封装，绑定为.NET API，也是TensorFlow的C#语言表述，以此来方便C#和F#开发人员使用Ten

4、sorFlow，使用nuget install TensorFlowSharp即可完成安装。类似框架包括Tensorflow.NET。CNTKCognitive Toolkit（CNTK）是用于商业级分布式深度学习的开源工具包，允许用户轻松实现并组合流行的模型类型，例如前馈DNN，卷积神经网络（CNN）和递归神经网络（RNN/LSTM）。CNTK通过跨多个GPU和服务器的自动区分和并行化实现随机梯度下降学习。ML.NETML.NET是一个跨平台，开源的机器学习框架。ML.NET将使.NET开发者能够开发他们的机器学习模型并加入到自己的应用中，而所有这些都不需要事先具备机器学习开发和调试机器模型

5、的专业知识。ML.NET最初是由Microsoft Research开发，在过去十年进化为一系列的框架，并被很多的产品组所使用，包括微软的Windows，Bing，Azure等。China.NET Conf 20191.5 ML.NET 简单示例China.NET Conf 20191.6 TensorflowSharp 简单示例PART TWO PRACTICE CASE第二部分：实践案例China.NET Conf 20192.1 案例一：基于分类方法的人脸识别（1）（1）数据介绍（2）原理基于类别分类的简单人脸识别，将人脸划分到100个类别中，确保同一个人在同一个类别中，采用卷积+全连接

6、分类的方式。China.NET Conf 20192.1 案例一：基于分类方法的人脸识别（2）（2）网络模型结构 输入层：40 x55的人脸图像。输出层：输出在100个类别中的类别。损失函数：交叉熵损失China.NET Conf 20192.2 案例二：图像清晰度提升（1）原始图提升之后的图China.NET Conf 20192.2 案例二：图像清晰度提升（2）结构原理China.NET Conf 20192.2 案例二：图像清晰度提升（3）原始图原始图提升之后的图提升之后的图China.NET Conf 20192.3 案例三：图像的语义分割（1）图像分割是将数字图像细分为多个图像子区域