人工智能應(yīng)用基礎(chǔ) 課件 任務(wù)1、2 走進(jìn)人工智能、初識(shí)PaddlePaddle

任務(wù)1走進(jìn)人工智能01020304人工智能與深度學(xué)習(xí)人工智能深度學(xué)習(xí)步驟人工智能深度學(xué)習(xí)框架單擊此處添加標(biāo)題05API操作平臺(tái)人工智能的應(yīng)用任務(wù)1走進(jìn)人工智能一、人工智能與深度學(xué)習(xí)1、人工智能概述人工智能（ArtificialIntelligence）簡(jiǎn)稱AI。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的本質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是一個(gè)廣泛的研究領(lǐng)域，包括許多理論，方法和技術(shù)，主要包含以下領(lǐng)域。一、人工智能與深度學(xué)習(xí)2、人工智能分類人工智能作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，在不斷催生新技術(shù)、新產(chǎn)品的同時(shí)，對(duì)傳統(tǒng)行業(yè)也進(jìn)行了賦能，人工智能是一個(gè)很大的概念，種類比較多，根據(jù)水平高低，分為以下三類。弱人工智能弱人工智能是一種擅長(zhǎng)單方面的人工智能，能夠單獨(dú)完成某個(gè)特定的任務(wù)。強(qiáng)人工智能強(qiáng)人工智能是指和人類能夠?qū)崿F(xiàn)的功能類似。超人工智能超人工智能是比喻在所有領(lǐng)域（科學(xué)創(chuàng)新、社交技能等）都比人類大腦聰明的智能。一、人工智能與深度學(xué)習(xí)3、深度學(xué)習(xí)概述深度學(xué)習(xí)是人工智能和機(jī)器學(xué)習(xí)的一種，簡(jiǎn)稱DL，是一種通過(guò)模仿人類獲得某種類型知識(shí)的方式，也是利用深度神經(jīng)網(wǎng)絡(luò)來(lái)解決特征表達(dá)的一種學(xué)習(xí)過(guò)程，在使用深度學(xué)習(xí)過(guò)程中，深度學(xué)習(xí)是數(shù)據(jù)科學(xué)的一項(xiàng)重要元素，主要包括統(tǒng)計(jì)和模型預(yù)測(cè)。除此之外，深度學(xué)習(xí)也可以被視為這一種自動(dòng)化預(yù)測(cè)分析工具，通過(guò)對(duì)機(jī)器學(xué)習(xí)中的算法進(jìn)行調(diào)用，從而優(yōu)化模型和預(yù)測(cè)模型，實(shí)現(xiàn)自動(dòng)化預(yù)測(cè)分析。深度學(xué)習(xí)就是一種建立在模擬人腦進(jìn)行分析的神經(jīng)網(wǎng)絡(luò)，從而對(duì)大腦的數(shù)據(jù)進(jìn)行解釋分析，比如圖像、聲音、文本等，在這個(gè)過(guò)程中用到的深度神經(jīng)網(wǎng)絡(luò)并不是一個(gè)全新的概念，而是一個(gè)包含多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，層次中的每個(gè)算法都對(duì)其輸入應(yīng)用進(jìn)行非線性變換，并使得學(xué)習(xí)的知識(shí)來(lái)創(chuàng)建統(tǒng)計(jì)模型作為輸出。二、人工智能深度學(xué)習(xí)步驟深度學(xué)習(xí)的使用步驟主要分為三步：第一步：建立模型，通過(guò)建立模型，決定選擇什么樣的網(wǎng)絡(luò)結(jié)構(gòu)，網(wǎng)絡(luò)結(jié)構(gòu)中包含多少層和每層包含多少個(gè)神經(jīng)元。第二步：優(yōu)化模型，并對(duì)模型進(jìn)行評(píng)估，主要通過(guò)一些常用的損失函數(shù)優(yōu)化模型。第三步：選擇最優(yōu)函數(shù)，通過(guò)調(diào)整學(xué)習(xí)參數(shù)，調(diào)整學(xué)習(xí)率，使用梯度下降或者反向傳播算法來(lái)選擇最優(yōu)函數(shù)。321二、人工智能深度學(xué)習(xí)步驟1、建立模型（1）神經(jīng)元在深度學(xué)習(xí)中，主要通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)建立模型，常用的有卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等，這些神經(jīng)網(wǎng)絡(luò)都是由很多單元連接而成，這些單元稱為神經(jīng)元。二、人工智能深度學(xué)習(xí)步驟1、建立模型（1）圖中是一個(gè)簡(jiǎn)單的線性回歸函數(shù)，每個(gè)輸入都乘以對(duì)應(yīng)的權(quán)重，將結(jié)果進(jìn)行求和，之后和與偏重帶入激活函數(shù)，從而得到想要的結(jié)果。二、人工智能深度學(xué)習(xí)步驟1、建立模型（2）前饋神經(jīng)網(wǎng)絡(luò)前饋神經(jīng)網(wǎng)絡(luò)是一種最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)，每個(gè)神經(jīng)元分層排列，每個(gè)神經(jīng)元和前一層的神經(jīng)元相連，值在網(wǎng)絡(luò)中傳遞的方向是由前向后進(jìn)行傳播，換句話說(shuō)是由輸入層傳向輸出層。二、人工智能深度學(xué)習(xí)步驟1、建立模型（2）如圖所示，包含三層，網(wǎng)絡(luò)輸入層，隱藏層和輸出層，在網(wǎng)絡(luò)的輸入層中，Layer的大小與真實(shí)輸入大小相匹配，隱藏層位于輸入層和輸出層中間，一個(gè)神經(jīng)網(wǎng)絡(luò)模型包含多個(gè)隱藏層，輸出層是網(wǎng)絡(luò)的最后一層，神經(jīng)元計(jì)算產(chǎn)生的結(jié)果直接輸出，作為模型的輸出。二、人工智能深度學(xué)習(xí)步驟2、優(yōu)化模型（1）激活函數(shù)為了增強(qiáng)網(wǎng)絡(luò)的表達(dá)能力，需要使用激活函數(shù)將線性函數(shù)轉(zhuǎn)換成非線性函數(shù)。在深度學(xué)習(xí)模型中，常用的激活函數(shù)有sigmoid、tanh、relu和softplus。激活函數(shù)具體描述如表所示。二、人工智能深度學(xué)習(xí)步驟2、優(yōu)化模型（2）損失函數(shù)損失函數(shù)（lossfunction）是機(jī)器學(xué)習(xí)中評(píng)估神經(jīng)網(wǎng)絡(luò)模型效果的一種重要指標(biāo)，它是評(píng)估模型輸出值與目標(biāo)值的差異，損失函數(shù)越小，表明模型的魯棒性就越好。對(duì)于模型的評(píng)估，一般使用損失函數(shù)反映模型的好壞，在損失函數(shù)中，使用最多的是交叉熵?fù)p失函數(shù)（Crossentropy），該函數(shù)主要用于神經(jīng)網(wǎng)絡(luò)分類問(wèn)題，交叉熵會(huì)計(jì)算每個(gè)類別的概率，經(jīng)常與激活函數(shù)sigmoid一起出現(xiàn)，通過(guò)交叉熵對(duì)y及y的導(dǎo)數(shù)損失進(jìn)行計(jì)算，之后通過(guò)調(diào)整參數(shù)，使得交叉熵越小越好。二、人工智能深度學(xué)習(xí)步驟3、選擇最優(yōu)函數(shù)在網(wǎng)絡(luò)模型中，選擇最優(yōu)函數(shù)有兩種方式。1梯度下降2反向傳播算法二、人工智能深度學(xué)習(xí)步驟3、選擇最優(yōu)函數(shù)（1）梯度下降法網(wǎng)絡(luò)模型中，進(jìn)行參數(shù)學(xué)習(xí)過(guò)程中，當(dāng)隱藏層過(guò)多，網(wǎng)絡(luò)參數(shù)個(gè)數(shù)過(guò)大時(shí)，是無(wú)法枚舉出所有可能取值，這時(shí)就需要尋找模型參數(shù)，使得損失值達(dá)到最小，這時(shí)就需要使用梯度下降法進(jìn)行模型參數(shù)的尋找。如圖所示為語(yǔ)音識(shí)別模型，在這個(gè)里面共8層，每層有1000個(gè)神經(jīng)元，那權(quán)重參數(shù)就是一個(gè)非常龐大的數(shù)據(jù)。二、人工智能深度學(xué)習(xí)步驟3、選擇最優(yōu)函數(shù)（1）梯度下降法的具體流程是包含權(quán)重和偏差的參數(shù)集合，隨機(jī)找個(gè)初始值，計(jì)算一下每個(gè)參數(shù)對(duì)應(yīng)的偏微分，得到的一個(gè)偏微分的集合就是梯度，有了這些偏微分，從而更新梯度得到新的參數(shù)，這樣不斷反復(fù)進(jìn)行，就能得到一組參數(shù)使得損失函數(shù)的值最小。二、人工智能深度學(xué)習(xí)步驟3、選擇最優(yōu)函數(shù)（2）反向傳播算法在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，可以使用反向傳播算法將計(jì)算得到的損失向前傳遞，用來(lái)計(jì)算各個(gè)神經(jīng)元連接的權(quán)重對(duì)損失的影響大小。反向傳播算法，簡(jiǎn)稱BP算法，是簡(jiǎn)歷在梯度下降法的基礎(chǔ)上，用于多層神經(jīng)元網(wǎng)絡(luò)的一種學(xué)習(xí)算法，主要使用激活傳播和權(quán)重更新兩個(gè)環(huán)節(jié)達(dá)到反復(fù)循環(huán)迭代的效果，從而達(dá)到網(wǎng)絡(luò)對(duì)輸入的響應(yīng)達(dá)到預(yù)定的目標(biāo)范圍為止。在深度學(xué)習(xí)中，可以使用深度學(xué)習(xí)框架來(lái)計(jì)算損失值，常用的框架有TensorFlow，PyTorch，Theano等。三、人工智能深度學(xué)習(xí)框架常見(jiàn)的深度學(xué)習(xí)框架有PaddlePaddle、TensorFlow、Caffe、Theano、Keras、PyTorch、MXNet等。這些深度學(xué)習(xí)框架被應(yīng)用于計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理與生物信息學(xué)等領(lǐng)域，并獲取了極好的效果。深度學(xué)習(xí)框架在使用過(guò)程中，具有兩點(diǎn)優(yōu)勢(shì)，分別為易用性和高效性。易用性，主要體現(xiàn)在屏蔽底層的機(jī)器學(xué)習(xí)算法，用戶只需要關(guān)注模型的結(jié)構(gòu)，同時(shí)簡(jiǎn)化了計(jì)算過(guò)程，降低了深度學(xué)習(xí)的門檻。高效性：深度學(xué)習(xí)都具有高效性，可以將代碼運(yùn)行在CPU或者GPU上。三、人工智能深度學(xué)習(xí)框架1PaddlePaddle2TensorFlow3Caffe4Keras四、人工智能的應(yīng)用1、計(jì)算機(jī)視覺(jué)處理（1）人臉識(shí)別人臉識(shí)別在消費(fèi)支付、安防、娛樂(lè)、交通出行等場(chǎng)所有重要作用。人臉識(shí)別技術(shù)支持1:N匹配，支持多角度識(shí)別，不受發(fā)型、妝容、眼鏡的影響，因此即使人改變發(fā)型，或者換副眼鏡，居民都不需要擔(dān)心無(wú)法進(jìn)門，也無(wú)需重新去物業(yè)登記。四、人工智能的應(yīng)用1、計(jì)算機(jī)視覺(jué)處理（2）光學(xué)字符識(shí)別光學(xué)字符識(shí)別（OpticalCharacterRecognition，OCR）就是通過(guò)掃描等光學(xué)輸入方式將各種票據(jù)、報(bào)刊、書籍、文稿及其他印刷品的文字轉(zhuǎn)化為圖像信息，再利用文字識(shí)別技術(shù)將圖像信息轉(zhuǎn)化為可以使用的文本的計(jì)算機(jī)輸入技術(shù)。目前光學(xué)字符識(shí)別有著更加廣闊的應(yīng)用前景，例如證件識(shí)別、銀行卡識(shí)別、通用文字字符識(shí)別等。四、人工智能的應(yīng)用2、語(yǔ)音識(shí)別目前語(yǔ)音識(shí)別被廣泛應(yīng)用，社交聊天發(fā)送實(shí)時(shí)語(yǔ)音，轉(zhuǎn)換為文字，讓溝通交流更加準(zhǔn)確快捷。3、自然語(yǔ)言處理深度學(xué)習(xí)在自然語(yǔ)言處理中的應(yīng)用越來(lái)越廣泛，從底層的分詞、語(yǔ)言模型、句法分析等到高層的對(duì)話管理、知識(shí)問(wèn)答、聊天、機(jī)器翻譯等方面幾乎全部都有深度學(xué)習(xí)模型的身影，并且取得了不錯(cuò)的效果。四、人工智能的應(yīng)用4、自動(dòng)駕駛自動(dòng)駕駛的人工智能包含了感知、決策和控制等流程和模塊。感知是指通過(guò)攝像頭、激光雷達(dá)等傳感器的輸入，進(jìn)而解析出周圍環(huán)境的信息。五、AIStudio操作平臺(tái)1、百度AIStudioAIStudio是百度AI推出的一站式開發(fā)平臺(tái)，包含AI教程、代碼環(huán)境、算法算力、數(shù)據(jù)集，同時(shí)提供了免費(fèi)的在線云計(jì)算的一體化編程平臺(tái)，AIStudio的網(wǎng)址鏈接為/aistudio/index?ref=pinpai。五、AIStudio操作平臺(tái)2、華為云ModelArts華為云是一個(gè)綜合的云平臺(tái)，在平臺(tái)中包含云服務(wù)器、相關(guān)的解決方案、云市場(chǎng)等相關(guān)的內(nèi)容，同時(shí)包含ModelArts（面向開發(fā)者的一站式AI平臺(tái)）。/product/modelarts.html?utm_source=3.&utm_medium=organic&utm_adplace=kapian。五、AIStudio操作平臺(tái)3、騰訊云TI平臺(tái)騰訊云TI平臺(tái)主要用于深度學(xué)習(xí)，幫用戶實(shí)現(xiàn)數(shù)據(jù)獲取、數(shù)據(jù)處理、算法構(gòu)建、模型訓(xùn)練、模型評(píng)估、模型部署等一站式服務(wù)。六、任務(wù)實(shí)施1、任務(wù)背景服務(wù)器在線訓(xùn)練環(huán)境和硬件配備，對(duì)于新手來(lái)說(shuō)還是比較麻煩，即使使用Docker也還是對(duì)使用者有一定的門檻要求，為此百度免費(fèi)開放了Web在線開發(fā)平臺(tái)AI-Studio供新手來(lái)使用。本任務(wù)通過(guò)創(chuàng)建百度賬號(hào)并進(jìn)入項(xiàng)目編輯頁(yè)來(lái)體驗(yàn)百度AI-studio平臺(tái)。六、任務(wù)實(shí)施2、實(shí)驗(yàn)思路感謝觀看任務(wù)2初識(shí)PaddlePaddle任務(wù)2初識(shí)PaddlePaddle01020304PaddlePaddle簡(jiǎn)介PaddlePaddle行業(yè)應(yīng)用PaddlePaddle環(huán)境搭建高層API一、PaddlePaddle簡(jiǎn)介PaddlePaddle也稱飛槳，是百度研發(fā)的一款技術(shù)領(lǐng)先、功能完備的產(chǎn)業(yè)級(jí)深度學(xué)習(xí)開源開放平臺(tái)，包含深度學(xué)習(xí)核心框架、基礎(chǔ)模型庫(kù)、端到端開發(fā)套件、工具組件和服務(wù)平臺(tái)等五部分。二、PaddlePaddle行業(yè)應(yīng)用1、百度內(nèi)部行業(yè)應(yīng)用飛槳PaddlePaddle已在百度多項(xiàng)主要產(chǎn)品和服務(wù)之中發(fā)揮著巨大的作用。二、PaddlePaddle行業(yè)應(yīng)用2、高爾夫球場(chǎng)的遙感檢測(cè)PaddlePaddle使用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)高爾夫球場(chǎng)用地進(jìn)行檢測(cè)，對(duì)發(fā)現(xiàn)新增高爾夫球場(chǎng)、核查清理整治效果具有重要意義。二、PaddlePaddle行業(yè)應(yīng)用3、AI識(shí)蟲飛槳與北京林業(yè)大學(xué)合作的“AI識(shí)蟲”，能夠遠(yuǎn)程檢測(cè)病蟲害，效率提升50倍，準(zhǔn)確率超過(guò)90%，使用飛槳的步驟為：數(shù)據(jù)采集→基礎(chǔ)模型蠹蟲圖片訓(xùn)練識(shí)蟲模型→利用工具集將模型翻譯轉(zhuǎn)換→部署到PaddlePi-K210芯片板卡→識(shí)蟲設(shè)備集成。二、PaddlePaddle行業(yè)應(yīng)用4、其他應(yīng)用應(yīng)用飛槳研發(fā)的智能零件質(zhì)檢機(jī)，單個(gè)零件的檢測(cè)速度只需25ms，檢測(cè)效率大幅提升，企業(yè)成本降低15%以上。飛槳與南方電網(wǎng)廣東能源技術(shù)公司聯(lián)合研發(fā)的電網(wǎng)智能巡檢解決方案，設(shè)備狀態(tài)讀取準(zhǔn)確性高達(dá)99.01%，電網(wǎng)設(shè)備人工巡檢工作量降低90%。事實(shí)上，隨著飛槳賦能行業(yè)進(jìn)程的加快，小到智能桃子分揀機(jī)、零件質(zhì)檢，大到城市規(guī)劃、病蟲害檢測(cè)、無(wú)人駕駛、預(yù)防性醫(yī)療保健等眾多行業(yè)中實(shí)現(xiàn)落地應(yīng)用。三、PaddlePaddle環(huán)境搭建1、pip安裝在使用pip安裝飛槳過(guò)程之前，需要在電腦上安裝Python軟件與pip工具，之后運(yùn)行下面命令進(jìn)行安裝。python-mpipinstallpaddlepaddle==2.2.2在使用pipinstallpaddlepaddle安裝過(guò)程會(huì)比較慢，一般推薦使用清華鏡像或百度鏡像源進(jìn)行安裝。命令如下：python-mpipinstallpaddlepaddle==2.2.2-ihttps://mirror./simple或python-mpipinstallpaddlepaddle==2.2.2-ihttps://mirror./simplepython-mpipinstallpaddlepaddle==2.2.2-i/pypi/simple三、PaddlePaddle環(huán)境搭建2、conda安裝使用conda安裝之前，需要在電腦中安裝好Anaconda或者miniconda，在進(jìn)入需要安裝飛槳的環(huán)境后，使用conda安裝飛槳命令如下：python-mpipinstallpaddlepaddle==2.2.2condainstallpaddlepaddle==2.2.2--channel/anaconda/cloud/Paddle/三、PaddlePaddle環(huán)境搭建3、Docker安裝在使用Docker方式安裝飛槳時(shí)，需要在自己電腦上安裝Docker，以LINUX系統(tǒng)安裝為例，安裝好Docker后，在終端中輸入以下命令拉取CPU版本的飛槳官方鏡像。dockerpull/paddlepaddle/paddle:2.2.2CPU版的PaddlePaddle，且鏡像中預(yù)裝好了jupyter，拉取命令如下：用鏡像構(gòu)建并進(jìn)入Docker容器，命令如下：dockerpull/paddlepaddle/paddle:2.2.2-jupyterdockerrun--namepaddle-it-v$PWD:/paddle/paddlepaddle/paddle:2.2.2/bin/bash三、PaddlePaddle環(huán)境搭建3、Docker安裝如果需要下載GPU版本，需要查看GPU版本支持的CUDA，并需要預(yù)先安裝CUDA和nvidia-docker，以CUDA11.2為例，拉取預(yù)安裝PaddlePaddle的鏡像命令如下：nvidia-dockerpull/paddlepaddle/paddle:2.2.2-gpu-cuda11.2-cudnn8用鏡像構(gòu)建并進(jìn)入Docker容器，命令如下：nvidia-dockerrun--namepaddle-it-v$PWD:/paddle/paddlepaddle/paddle:2.2.2-gpu-cuda11.2-cudnn8/bin/bash三、PaddlePaddle環(huán)境搭建4、驗(yàn)證飛槳是否安裝成功飛槳通過(guò)三種方式中的一種安裝之后，進(jìn)入Python編輯器，可以通過(guò)以下命令檢測(cè)飛槳是否安裝成功。importpaddlepaddle.utils.run_check()運(yùn)行命令，出現(xiàn)如圖所示的結(jié)果，則說(shuō)明飛槳在本地安裝成功。四、高層API飛槳在不斷提升過(guò)程中，推出了全新