“万均扬”版本间的差异

2018年9月11日 (二) 14:15的最后版本

自我介绍 大家好！我是材64班的万均扬，这里是我的智能硬件学习日志~

2018年9月7日

今天是智能硬件课程的第一天。在上午，我们的主要任务是了解和安装各种所需要的软件，同时在GitLab和iCenter的Wiki上完成用户注册。具体来说，我们先后安装了Python环境、谷歌开发的TensorFlow机器学习软件、Notepad++、Jupyter Notebook、Android Studio等。接着注册了iCenter的Wiki账号，创建了属于自己的词条和学习日志。然后注册了GitLab的账号，新建了“smartspeaker”的项目。在最后，我们利用GitHub上面简单的函数命令，在Jupyter Notebook上面编辑了一段简单的ReLU函数程序，利用程序绘制出了分段函数图像。

在下午，我们首先安装了Python库（包括pillow和scipy），然后就开始初次尝试使用TenserFlow实现深度学习。我们从陈震老师的GitLab账户saturnlab上面下载了tfExample（即TensorFlow使用例子）的数据集，利用TensorFlow运行了model.py这个程序。这个程序实现的任务是命令计算机对识别手写数字进行学习。在经过了300次的学习后，程序结果显示计算机识别的正确率从0.1左右逐渐提高到了0.9上下，这个结果令我很兴奋~ 总结这一天的经历和收获，说实话可能连入门都算不上。但今天足以激发我对人工智能和机器学习的浓厚兴趣。最后成功运行的程序也让我非常有成就感。我非常期待接下来的学习，希望能尽快地弄懂机器学习的更多原理，掌握到更多编程和软件应用的知识。我相信这些科技成果有朝一日会让社会发生翻天覆地的改变！

2018年9月10日

今天上午，我们首先通过老师的讲解学习了“小度”语音识别智能音响的工作原理，包括人工智能、深度学习、机器学习、神经网络等基础知识。接着，我们从陈老师的GitLab账户saturnlab上面下载了Andriodaudiorecg文件包，并运行电脑中的Andriod Studio搭建了一个APP——AudioRec，并最终在华为平板电脑上安装并使用。这个APP可以实现简单的语音识别，即智能蓝牙音箱中的语音接受的部分程序。我在不同环境（安静与嘈杂）利用几种不同口音的语言对其进行了输入，发现它的识别准确率还挺高。

上午的课程主要关于智能语音识别相关的原理和应用，而下午我们的课程则关注与视觉的图像处理如人脸识别。我们的硬件是PYNQ单片机。在简单了解了PYNQ的设计构造和使用方法之后，我们先体验了一个简单的LED灯控制程序，通过阅读程序，对这个程序进行改造，在jupyter notebook上写出一个新Python程序：利用LED灯进行二进制计数。四盏LED灯可以通过二进制计数法表示从0到15共16个数，我通过编程，让四个按键分别具有计数、清零、暂停、结束程序四个功能，在这个过程中我深刻地体会到了编程的乐趣和成就感~

最后我们进入到真正的人脸识别部分，我们利用PYNQ自带的OpenCV运行了人脸识别程序，下面的图片是我运行程序后的结果。这次尝试让我感受到了图像处理技术的强大和广阔前景。

2018年9月11日

今天上午，我们首先在playground.tensorflow.org网站上体验了玩神经网络的“游戏”。通过调整不同的基本函数和神经网络层数、每层的神经元数，神经网络进行学习的结果各有不同。如下图所示。

接着，我们分别对几个将TensorFlow深度学习应用于业务开发的企业进行了调研，深入体会深度学习在现实中的广泛应用。我选择的公司是京东，调研结果如下。

   调研：京东应用TensorFlow创建人工智能平台——登月机器学习平台

京东的人工智能技术已经走在中国前端。不论是仓储物流、电商金融、亦或其他领域，京东在人工智能领域的进展都频繁传出。2017年8月，京东建成全球首个无人分拣中心，紧接着又和英伟达合作发力无人机配送。京东人工智能的技术优势，令外行惊叹，令业内向往。

无人机风口刚过去，无人仓的概念还没淡出视线，京东又放了个大招——发布登月机器学习平台，并在京东云上线，正式对外提供人工智能服务。登月机器学习平台的上线代表着京东人工智能技术从应用级服务到基础算法的全面对外开放，实践着京东RaaS（零售即服务）的发展策略。

TensorFlow不仅仅是一个机器学习库，它提供了多元的生态系统。其中TensorFlow-serving下的Inference框架，能够让用户以最快的方式将自己训练的模型部署上线，并对外提供服务；而TensorFlow-models可以说集成了近年来许多算法领域的先进成果；TensorFlow-on-k8s则开启了深度学习领域的容器化时代……集众多优点与一身的TensorFlow通过京东登月平台为京东云、京东商城、京东金融提供了便捷、高效、可靠的AI服务。一直活跃在开源领域的京东，也基于TensorFlow开发出了Tensorpipe、AI基础异构调度平台等产品，为行业内不断输出着自己的技术成果，推动TensorFlow在国内的应用，降低人工智能应用的门槛。在硬件层面，TensorFlow能够支持大量高速硬件，在京东内部，除了使用大规模的CPU集群，还为TensorFlow深度学习提供了大量的GPU卡、FPGA、高速网络Infiniband等资源。TensorFlow的in-graph和between-graph的不同分布式训练模式，为京东的深度学习大模型提供了优秀的解决方案，通过机器内部in-graph使用多块GPU，机器之间使用between-graph的训练方式，为医学图像预测分析、AR扫等项目实现了非常可观的效率提升。

登月机器学习平台依托强大的分布式数据处理能力，内置丰富的算法模型，满足从原始数据到模型产出的一站式服务。同时通过拖拽组件可视化建模的方式，让用户在登月机器学习平台可快速打造智能业务。同时，京东登月机器学习平台，具备易用性、高效性、组件化和一站式等特点。将复杂的机器学习算法集成为算法组件，通过可视化拖拽组件进行建模实验，随意组合，只需简单参数调整即可构建模型，极大降低了使用门槛。在性能上，除了高性能的CPU之外，还集成了GPU、FPGA、HPC等硬件资源进行并行加速；结合京东自身在机器学习与大数据计算能力上的多年实践与优化，面对各种需求均能提供高效的配置资源。登月平台将数据导入、数据预处理、模型训练、模型评估、模型发布等功能集于一体，提供一站式全方位的建模流程，节省用户建模时间。

目前，登月机器学习平台在京东内部已被广泛使用，输出了许多优质的产品和服务，内置到智能冰箱和叮咚智能音箱等产品中，其中叮咚的语音购物功能便是通过该平台所训练完成的。此外，像图片识别和智能鉴黄服务，利用登月平台上的深度学习和计算机视觉算法，能够提供精准高效的色情图片鉴别服务。可广泛应用于儿童安全上网、直播色情画面审核等业务场景，减少企业审核的人力成本，降低违规风险。当然还有像OCR识别、高潜用户挖掘、机器注册用户识别等诸多应用。值得一提的是，除了服务于具体的业务应用场景，登月机器学习平台为京东零售供应链的人工智能平台“Y-AIR”提供了全方位的基础服务，已应用于供应链预测、运筹优化和模拟仿真等方面。此后，登月还将为更多京东内外业务的智能平台提供服务。

未来，人工智能作为京东以技术驱动未来发展必不可少的核心能力，在京东所提出的第四次零售革命中，也将成为京东零售即服务的重要基础设施。登月平台的建立，可以使更多的企业能够从京东自身所应用的成熟技术中汲取所需要的养分，随着该平台的上线，更多人工智能的应用服务将会为行业不断注入新活力。