为什么要学习机器学习？什么是机器学习？
说实话，这些名词听到的太多了，最早知道的是人工智能（AI），从AlphaGo与人类的围棋大战开始，逐渐知道了AI的厉害了，但一直觉得这个本事离我们还是有点远的，都是大专家们玩的，直到前一阵子做的那个小程序上线了，才开始对这一块的东西感兴趣了，想好好研究一把。其实吧，最直接是受到了DeepNude这个的影响，这么神奇的东西，怎么做的呢？
熟话说的好，兴趣是最好的老师，有了兴趣，学什么东西都快了，也有劲头了。
先把DeepNude的代码拿到研究一下吧，网上有同学对这里面涉及到的技术点研究了一下 https://github.com/yuanxiaosc/DeepNude-an-Image-to-Image-technology，做了一下猜测吧。
知道用到了什么东西，那我就学习什么东西吧。
我最初的打算是把这个代码（Python的）转化一下，写成个接口，放到我的服务器上，类似于我那个换脸的，这样的话，我的小程序也可以直接用了（当然这不一定能通过审核啦），但发现不行，这个在本地执行都太慢了，服务器没有GPU，更慢啦。这个时候我才知道搞深度学习还是需要GPU的，普通的电脑还是有点累。 （补：现在想想为什么只是使用模型也要用到GPU呢，一般不是训练模型才需要GPU吗）
那这个程序可以放到手机上吗？做个APP吗？好像也不行，太大了
模型文件
这三个模型文件加起来两个G了，放弃吧。
最后就想，能不能把这个程序改良一下呢。那就开始学吧，进入正题了。
首先，搞清楚一件事，我要学什么技能，才能写出这样的程序（其实现在想想主要的不是程序是算法啦）
听说这个属于深度学习领域的技能，那什么是深度学习，什么又是机器学习呢，两年前苹果推出了机器学习的库，没实际用过，觉得这个东西用不到我们公司的APP上，就没细研究。
说一下三者的关系吧
深度学习与机器学习关系
（图片来自于https://www.cnblogs.com/charlotte77/ 一位深度学习方面女专家，网上有她的视频讲座Free的，对于我这样的小白来说看不懂，先不去看了）
说实话，其实我并没有真正开始学习深度学习，我只是学了一些工具的使用方法，想通过兴趣再去研究更深的东东吧，如果直接去学习那些高数、算法呀，估计我肯定学不下去了。不要鄙视我，我就这样了。
其实机器学习说白了，基本上过程都是
找一堆数据集给机器，让它学习（训练）去，学习的结果是得到一个模型，有了这个模型，再对未训练过的数据进行预测，得到预测结果。
那么，我就先不管用什么算法去学习，先把这个过程试一下吧。
其实机器学习涉及到很多领域：计算机视觉、自然语言、语音识别等等，而我感兴趣的是视觉方面，再具体一点是图像生成方向的，而这里面最有名的就是GAN(生成式对抗网络，一种深度学习模型)，可以用于根据学习训练生成图像，还有这基础上的 CycleGAN https://github.com/junyanz/CycleGAN。
那就来试一下这个效果如何吧？按说明书上写的，能把普通马变成斑马，能把苹果变橘子。
CycleGAN
怎么训练，拿什么来训练呢？ 这里就涉及到数据集了，这个是要收集的，如果我们自己收集的话，那就不用做别的事情了，收集几千张。
这里不得不引入一个机器学习的重要平台或者说框架了 PaddlePaddle 百度出品的，之前吴恩达老师在百度时主创的平台，基本上可以对标Google TensorFlow的，相对于我这种小白来说PaddlePaddle入门更容易，（当然我现在还没入门呢）。
我的目的是试一上CycleGAN的效果，PaddlePaddle帮我们整理了这个模型库，直接用吧。
图像生成相关的模型库：https://github.com/PaddlePaddle/models/tree/develop/PaddleCV/PaddleGAN
执行过程，里面有可直接执行的脚本
scripts
（这里插入说一下，学习机器学习，还是要先学习Python的，不然后面进行不下去的。）
Python 的执行，就涉及到一个环境的问题，因为Python不同版本的缘故，一般可以使用 virtualenv 或者 Anaconda ，具体使用方法百度吧，都不算麻烦。
继续，比如，我想试一下那个斑马替换的效果，
那需要先下载数据集，download.py 这个文件里，帮我写好了下载的步骤，我们只要执行一下，
python download.py --dataset=horse2zebra
下载好后，
数据集
再去训练啦，如果不能使用GPU，只使用CPU的话，需要加参数 --use_gpu False ，默认是使用的。
python train.py --model_net CycleGAN --dataset horse2zebra --batch_size 1 --net_G resnet_9block --g_base_dim 32 --net_D basic --norm_type batch_norm --epoch 200 --load_size 286 --crop_size 256 --crop_type Random > log_out 2>log_err
这个过程是很漫长的，基本上自己的电脑是不大能完成这个任务的，肿么办？放弃嘛？还是去买个带GPU的服务器呢？木钱，为了自己这个不赚钱的兴趣，还要去花钱，不符合我的做事原则。
这里就要向大家推荐百度的平台https://aistudio.baidu.com/aistudio/index啦，免费送GPU算力（啥是算力？不知道啦，反正能让你在上面用GPU训练啦）。
百度的AI Studio 肿么用啊？
这个东东可以分成三部分
1、普通的NoteBook项目
2、脚本
3、数据集
先说我如果要在这上面训练怎么做
两种做法
1、创建一个NoteBook项目，把PaddleGAN的代码数据集都搬到这上面去，用每天送的算力去跑，也是可以的，但有个问题算力有限，且浏览器关了就断了。
所以我推荐使用方法2，但还是建议大家先使用NoteBook，熟悉一下这个平台的工作方式。
2、使用脚本任务方式训练
1）创建一个数据集，把下载好的horse2zebra数据上传。
2）把PaddleGAN的代码放到脚本项目中，执行
脚本任务
这里有些代码要修改一下，比如解压数据集文件、并生成 trainA.txt等文件，并配置训练参数。
执行，执行结束后，会生成模型的，这时到“下载输出”中下载就可以使用了。
回到上面那个过程中，当时我们不能在本地训练模型，去百度AIStudio平台上训练了，假使训练结束后，生成checkpoint模型放到output/checkpoints/199目录下
再执行
python infer.py --init_model output/checkpoints/199/ --dataset_dir "data/horse2zebra/testB/*" --image_size 256 --input_style B --model_net CycleGAN --net_G resnet_9block --g_base_dims 32
好了，到这里第一步整个过程就了解了，先到这里吧。
网友评论