宠物也刷脸，如何最快长成这个技能树？

用户1386409

发布于 2018-07-26 02:01:25

6710

文章被收录于专栏：PaddlePaddlePaddlePaddle

大家好，又到了一周案例时间

相信小编，花5分钟看完，你会打开新世界的大门

尤其是铲屎官们+直男们

有些好动的毛孩子，一不留神就跑远

在愚人节当天，百度发布“SAFI”系统

只要狗狗“离家出走”主人就会收到信息，而狗狗刷脸即可验证身份，甚至消费！

虽然短片拍的很真实，但玩笑归玩笑

然而令人吃惊的是，在 LA Hacks 2018 的活动之中，来自加州理工学院的美籍华裔大二学生 EricZhao做出“狗脸识别”系统，16小时让梦成真！

小哥被采访时透露了机关：使用Paddle Paddle

那如何用Paddle Paddle 实现宠物面部识别呢？

还原一下场景，我们来分析下这波操作

GPU搭载

PaddlePaddle集群中有两个角色：参数服务器（parameter server）和训练器（trainer）。每个参数服务器进程维护全局模型的一个片段。每个训练器都有该模型的本地副本，并使用本地数据来更新模型。在训练过程中，训练器将模型方面的更新内容发送给参数服务器，参数服务器负责聚集这些更新内容，那样训练器可以做到本地副本与全局模型实现同步。平台能够为同一个节点分配需要GPU的PaddlePaddle训练器进程、需要大容量内存的Web后端服务以及需要磁盘输入输出的CephFS进程，以便全面利用硬件资源。

PaddlePaddle在云上可以建立起来足够强大的集群，并且搭建GPU集群，比照同类竞品更为方便，在图像处理速度上能够节约时间，而实际上这部分在整个项目中最耗时。也难怪Eric小哥只用16小时就全流程创作出系统，毕竟强大的功能节约足够多的时间用于支持后续环节。

模型支持

PaddlePaddle支持多种深度学习模型 DNN（深度神经网络）、CNN（卷积神经网络）、 RNN（递归神经网络），以及 NTM 这样的复杂记忆模型。其中图像分类是根据图像的语义信息对不同类别图像进行区分，PaddlePaddle向大家提供多种图像分类模型，也提供了能够将Caffe或TensorFlow训练好的模型文件转换为PaddlePaddle模型文件的模型转换工具。

Eric小哥使用Squeeze Neaural Network正是卷积神经网络中的经典结构。在获取足够数量的宠物狗狗面部图片后，进行狗狗脸部识别智能分类模型训练。将狗狗面部图片按分档建立图片数据集合，将图片数据集放入模型进行训练，模型会从各个分类的图片集合中，自动提取可以用于分级的特征并形成分类逻辑。