今天，Google AI再次放出大招，推出一個(gè)專注于機(jī)器學(xué)習(xí)實(shí)踐的“交互式課程”，第一門是圖像分類機(jī)器學(xué)習(xí)實(shí)踐，已有超過10000名谷歌員工使用這個(gè)教程構(gòu)建了自己的圖像分類器。內(nèi)容簡明易上手，不妨來試。

幾個(gè)月前，Google AI教育項(xiàng)目放出大福利，將內(nèi)部機(jī)器學(xué)習(xí)速成課程（MLCC）免費(fèi)開放給所有人，以幫助更多開發(fā)人員學(xué)習(xí)和使用機(jī)器學(xué)習(xí)。

今天，Google AI再次放出大招，推出一個(gè)專注于機(jī)器學(xué)習(xí)實(shí)踐的“交互式課程”。公開的第一門課程是谷歌AI團(tuán)隊(duì)與圖像模型方面的專家合作開發(fā)的圖像分類機(jī)器學(xué)習(xí)實(shí)踐。

這個(gè)動手實(shí)踐課程包含視頻、文檔和交互式編程練習(xí)，分步講解谷歌最先進(jìn)的圖像分類模型是如何開發(fā)出來的。這一圖像分類模型已經(jīng)在Google相冊的搜索功能中應(yīng)用。迄今為止，已經(jīng)有超過10000名谷歌員工使用這個(gè)實(shí)踐指南來訓(xùn)練自己的圖像分類器，識別照片上的貓和狗。

在這個(gè)交互式課程中，首先，你將了解圖像分類是如何工作的，學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)建模塊。然后，你將從頭開始構(gòu)建一個(gè)CNN，了解如何防止過擬合，并利用預(yù)訓(xùn)練的模型進(jìn)行特征提取和微調(diào)。

機(jī)器學(xué)習(xí)實(shí)踐：圖像分類

學(xué)習(xí)本課程，你將了解谷歌state-of-the-art的圖像分類模型是如何開發(fā)出來的，該模型被用于在Google Photos中進(jìn)行搜索。這是一個(gè)關(guān)于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的速成課程，在學(xué)習(xí)過程中，你將自己構(gòu)建一個(gè)圖像分類器來區(qū)分貓的照片和狗的照片。

預(yù)計(jì)完成時(shí)間：90~120 分鐘

先修要求

已學(xué)完谷歌機(jī)器學(xué)習(xí)速成課程，或有機(jī)器學(xué)習(xí)基本原理相關(guān)的經(jīng)驗(yàn)。

精通編程基礎(chǔ)知識，并有一些Python編程的經(jīng)驗(yàn)

在2013年5月，谷歌發(fā)布了對個(gè)人照片進(jìn)行搜索的功能，用戶能夠根據(jù)照片中的對象在自己的相冊中檢索相應(yīng)的照片。

在相冊中搜索包含暹邏貓的照片

這一功能后來在2015年被Google Photos中，被廣泛認(rèn)為具有顛覆性的影響。這證明了計(jì)算機(jī)視覺軟件可以按照人類的標(biāo)準(zhǔn)對圖像進(jìn)行分類，其價(jià)值包括：

用戶不再需要用“beach”之類的標(biāo)簽手工地對照片內(nèi)容進(jìn)行分類，當(dāng)需要管理幾千張圖片時(shí)，這一任務(wù)會變得非常繁瑣。

用戶可以用新的方式來探索他們的相冊，使用搜索詞來定位他們可能從未標(biāo)記過的對象的照片。例如，他們可以搜索“棕櫚樹”，將所有背景中有棕櫚樹的度假照片放在一起。

軟件可能會“看到”用戶自己可能無法察覺的分類差別（例如，區(qū)分暹羅貓和阿比西尼亞貓），有效地增加了用戶的專業(yè)知識。

圖像分類是如何工作的

圖像分類是一個(gè)有監(jiān)督的學(xué)習(xí)問題：定義一組目標(biāo)類（即圖像中需要識別的對象），并使用已標(biāo)記的示例照片來訓(xùn)練一個(gè)模型來識別目標(biāo)。早期的計(jì)算機(jī)視覺模型依賴于原始的像素?cái)?shù)據(jù)作為模型的輸入。

然而，如下圖所示，僅原始的像素?cái)?shù)據(jù)并不能提供足夠穩(wěn)定的表示，以包含圖像中捕獲的無數(shù)個(gè)對象的細(xì)微變化。對象的位置、對象背后的背景、周圍的光線、相機(jī)的角度和相機(jī)的焦點(diǎn)在原始像素?cái)?shù)據(jù)中都可能產(chǎn)生波動；這些差異是非常重要的，它們不能通過對像素RGB值的加權(quán)平均來校正。

左：不同姿勢、不同背景和光照條件的照片中，貓都可以被識別出來；右：用平均像素?cái)?shù)據(jù)來解釋這種變化無法產(chǎn)生任何有意義的信息

為了更靈活地對對象進(jìn)行建模，經(jīng)典的計(jì)算機(jī)視覺模型添加了來自像素?cái)?shù)據(jù)的新特性，比如顏色直方圖、紋理和形狀。但這種方法的缺點(diǎn)是使特性工程變成了一種負(fù)擔(dān)，因?yàn)樾枰{(diào)整的輸入太多了。比如對于一個(gè)貓的分類器，哪種顏色最重要？形狀的定義靈活度應(yīng)該多大？由于特征需要非常精確地調(diào)整，構(gòu)建一個(gè)穩(wěn)定的模型非常具有挑戰(zhàn)性，而且模型精度也會受到影響。

卷積神經(jīng)網(wǎng)絡(luò)

構(gòu)建圖像分類模型的一個(gè)突破是發(fā)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)（CNN）可以用來逐步地提取圖像內(nèi)容的更高層的表示。CNN不是預(yù)先處理數(shù)據(jù)以獲得紋理、形狀等特征，而是將圖像的原始像素?cái)?shù)據(jù)作為輸入，并“學(xué)習(xí)”如何提取這些特征，最終推斷它們構(gòu)成的對象。

首先，CNN接受到一個(gè)輸入特征圖：一個(gè)三維矩陣，其中前兩個(gè)維度的大小對應(yīng)于像素圖像的長度和寬度。第三個(gè)維度的大小為3（對應(yīng)于彩色圖像的3個(gè)通道：紅、綠和藍(lán)）。CNN包含許多個(gè)模塊，每個(gè)模塊執(zhí)行三個(gè)操作。

CNN部分接下來分別講解卷積、ReLU、Pooling和全連接層。接下來兩節(jié)是“防止過擬合”和“利用預(yù)訓(xùn)練的模型”，并提供三個(gè)練習(xí)：

練習(xí)1：為貓-狗分類（Cat-vs-Dog Classification）建立一個(gè)卷積神經(jīng)網(wǎng)絡(luò)

在這個(gè)練習(xí)中，你將得到動手建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)的實(shí)戰(zhàn)經(jīng)驗(yàn)，從頭開始建立一個(gè)圖像分類器來區(qū)分貓的照片和狗的照片。

練習(xí)2：防止過擬合

在這個(gè)練習(xí)中，你將進(jìn)一步改進(jìn)練習(xí)1中構(gòu)建的貓狗分類CNN模型，運(yùn)用數(shù)據(jù)增強(qiáng)和dropout 正則化。

練習(xí)3：特征提取和微調(diào)

在這個(gè)練習(xí)中，你將對谷歌的初始 Inception v3 模型進(jìn)行特征提取和fine-tuning，以使你的貓狗分類模型達(dá)到更高精度。