最近使用很多软件的时候会提示可以选择开启青少年模式，这些大厂在保护青少年有所行动是好事，因为现在很多小朋友都开始玩手机。我就想起来能不能有一个算法去识别图片中是小孩或者是大人，这对计算机视觉来说不是一个复杂的问题，这是一个典型的分类问题。

在上一篇文章中图像分类实践展示了使用docker安装一个cpu的模型训练环境，今天我们在windows上安装一个GPU的版本。

万事开头难

需要安装

1. anaconda3
   python的科学计算环境
2. CUDA
   GPU程序包
3. cudnn
   神经网络的包，需要找到官网右键查看下载链接，最好用迅雷下载
4. pytorch
   最流行的AI(人工智能)工具
   配置清华的源
   conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
5. fastai
   基于上面的工具开发的快速开发深度学习算法程序的工具
   conda install -c fastai fastai

准备数据

随便在网上下载了几十张照片，分别是百度图片和bing图片搜索的

训练数据 文件源只有22张照片

设置了训练数据的目录，修复中文label显示的问题。

准备测试数据

标签函数需要自定义

查看测试数据

接下来基于上面的数据进行模型训练，训练的过程中打印错误率。这里基于resnet34算法，属于迁移学习，还使用的最新的训练方法。并没有进行调优。

训练

测试数据

我们使用新测试的数据以便区别训练数据和验证数据，使用模型没有见过的图片。

测试数据集

看看实际的效果

测试一 测试二

看起来还不错的样子。

使用的电脑是普通的笔记本

GPU截图 GPU MX150

安装机器学习的环境还比较快，花费了一两个小时（希望只安装一次）。GPU的内存比较小，需要调小每次训练batch的size，如果内存溢出需要重新启动kernel。
跑fastai的最简单示例竟然需要七分钟，看来还是要找免费的GPU。

参考资料：
win10安装CUDA和cuDNN的正确姿势
安装pytorch
fastai 版本问题