干货 ：六招教你用Python分分钟构建好玩的深度学习应用
［導讀］深度學習是近來數據科學中研究和討論最多的話題。得益于深度學習的發展，數據科學在近期得到了重大突破，深度學習也因此得到了很多關注。據預測，在不久的將來，更多的深度學習應用程序會影響人們的生活。實際上，我認為這種影響已經開始了。
如果你站在圈外的角度，深度學習可能看起來讓人望而生畏。 像TensorFlow，Keras，基于GPU的計算等專業術語可能會嚇到你。 但是，悄悄告訴你 –?深度學習并不難！ 緊追前沿的深度學習技術的確需要花費時間和精力，但應用它們解決日常生活中的問題還是很容易的。
有趣的是，在我應用深度學習技術的過程中，我重拾了孩童時期的樂趣和好奇心。在這篇文章里，我將介紹6個這樣的應用。它們開始的時候看起來很難實現，但是如果利用深度學習，問題就可以在一個小時內迎刃而解。本文展示了一些具有突破性價值的成果，并向你介紹它們是如何運作的。
目錄
1.使用現有API的應用程序
-
深度學習API的優缺點
-
利用深度學習為照片著色（使用Algorithmia 開發的API）
-
使用Watson API構建聊天機器人
-
基于情感分析的新聞聚合器（使用Aylien 開發的API）
2.開源應用程序
-
開源代碼的優缺點
-
利用深度學習進行語句校正
-
利用深度學習進行男女肖像轉換
-
開發深度強化學習機器人來玩Flappy Bird這款游戲
3.其他有價值的資源
1.使用現有API的應用程序
API不過是一種運行在遠端PC的程序。可以在本地通過互聯網遠程連接。例如，即使你的電腦里已經內置了揚聲器，你仍可以再插入一個藍牙。這樣，利用筆記本電腦就可以遠程訪問揚聲器。
API 的概念類似于有人已經幫你實現了較難的那部分工作。你可以用它來快速解決手上的問題。
我將列出一些使用API構建應用程序的優缺點。
?
1.1.1深度學習API的優點
-
深度學習應用程序通常對GPU計算能力和數據存儲/處理性能有較高要求。因此，你可以創建自己的工作站（或使用任意云服務），并在本地使用任意系統來訪問工作站并運行應用程序。
-
本地系統不受計算負擔影響。
-
輕松集成新功能。
?
1.1.2深度學習API的缺點
-
構建API的成本很大。開發和維護一個API需要投入時間和資源，這多少有點沉悶乏味。
-
容易受到互聯網連接的限制。任何時刻的連接失敗都會導致整個系統的中斷。
-
如果任何人可以輕松連接你的應用，它將暴露安全問題。你必須設置額外的安全層，例如設置用戶名和密碼，并限制在一段時間內可以訪問的次數。
?
讓我們開始吧！
1.2使用深度學習（Algorithmia API）為照片著色
自動著色一直是計算機視覺社區中的熱門話題。從一張黑白圖片獲得一張彩色照片似乎是件超現實的事。想象一個4歲的孩子拿著蠟筆全神貫注于涂鴉本的場景，我們是否能教會人工智能同樣去做這件事情呢？
這是當然一個難題。人類在觀察事物顏色的過程中得到了經年累月的訓練，我們自己可能不會注意到，但是我們的大腦在捕捉生活的每一刻，并從中提取有意義的信息，如天空是藍的、草是綠的。這很難在人工智能體中建模。
近期的一項研究表明，如果我們基于大量準備好的數據集，對神經網絡進行足夠的訓練，就能夠從灰度圖像中幻化出顏色的模型。下面是一個圖像著色器的示例：?
為了實現這一點，我們使用由Algorithmia開發的API。
?
規格要求：
-
Python（2或3）
-
網絡連接（用于調用API端點）
-
12個積分（積分需要支付獲得，不過注冊Algorithmia可免費獲贈5000積分）
步驟1：在Algorithmia上注冊并獲取您自己的API密鑰。 你可以在個人資料中找到API密鑰。
pip install algorithmia步驟2：輸入pip語句安裝Algorithmia。
步驟3：選擇要著色的照片，并將其上傳到algorithmia提供的Data文件夾中。
?
步驟4：在本地創建一個文件，命名為trial1.py。 打開它，并寫如下代碼。注意需要輸入你的圖像在data文件夾中的路徑，還有你的API密鑰.
import Algorithmiainput = { "image": "data:// … " # Set location of your own image }client = Algorithmia.client(‘…’) #insert your own API keyalgo = client.algo('deeplearning/ColorfulImageColorization/1.1.5')print algo.pipe(input)步驟5：打開命令提示符并輸入“python trial1.py”運行剛才的代碼。 輸出的結果將自動保存在數據文件夾中。這是我得到的：
就是這樣 - 你剛剛創建了一個簡單的應用程序，它就像個孩子，可以填充圖像中的顏色！容我自high一下：一顆賽艇！
?
1.3構建聊天機器人（Watson API）
Watson是一個展現人工智能的杰出例子。你可能聽說過Watson在一個問答游戲中戰勝人類的故事。 Watson集合了許多技術，深度學習是其學習過程的核心部分，特別是在自然語言處理方面。在此，我們將使用Wastson眾多應用中的一個來構建對話服務。也就是聊天機器人。聊天機器人是一個能像人一樣回答常見問題的智能體。它可以很好地與客戶交流并作出及時回復。
?
這里有一個演示平臺：
要求和規格：
-
Python（2或3）
-
網絡連接（用于調用API端點）
-
激活的Bluemix帳戶（試用期為30天）
?
讓我們來看看如何用Watson一步步構建簡單的聊天機器人。
?
步驟1：在Bluemix上注冊并激活保護服務以獲取憑據
步驟2：打開terminal界面，運行命令如下：
pip install requests responses pip install --upgrade watson-developer-cloud步驟3：創建一個文件trial.py并復制以下代碼。記住加入個人憑據。
?
import json from watson_developer_cloud import ConversationV1conversation = ConversationV1( username='YOUR SERVICE USERNAME', password='YOUR SERVICE PASSWORD', version='2016-09-20')# replace with your own workspace_id workspace_id = 'YOUR WORKSPACE ID'response = conversation.message(workspace_id=workspace_id, message_input={ 'text': 'What\'s the weather like?'}) print(json.dumps(response, indent=2))步驟4：保存文件并在控制臺中輸入“python trial.py”運行程序。你可以在控制臺中得到Watson對輸入信息的輸出響應。
輸入：顯示附近的內容。
輸出：我明白你想要我找到一個便利設施。我可以在附近找到餐廳，加油站和洗手間。
如果你想構建一個包含動態汽車儀表盤（如上面gif所示）的完整對話服務項目。查看這個github存儲庫。
幾分鐘就能實現聊天機器人和著色應用，不錯~
?
1.4基于情緒分析的新聞聚合器（Aylien API）
有時我們只想看到世界上的美好事物。如果讀報紙的時候，只看到“好”消息，過濾掉所有壞消息，這將是多么酷的一件事。
使用先進的自然語言處理技術（其中之一是深度學習）使得一切成為可能。你現在可以根據情緒分析文本對新聞進行過濾，并將其呈現給讀者。
采用Aylien的新聞API可以實現這一功能。下面是演示的截圖。你可以構建自定義查詢，并檢查結果。
讓我們看看在python中的實現。
要求和規格：
-
Python（2或3）
-
網絡連接（用于訪問API端點）
?
步驟1：在Aylien網站上注冊一個帳戶。
步驟2：登錄時從個人資料中獲取API_key和App_ID。
步驟3：進入terminal界面輸入下面的語句，安裝Aylien新聞API。
pip install aylien_news_api步驟4：創建一個文件“trial.py”并復制以下代碼。
import aylien_news_api from aylien_news_api.rest import ApiException# Configure API key authorization: app_id aylien_news_api.configuration.api_key['X-AYLIEN-NewsAPI-Application-ID'] = ' 3f3660e6' # Configure API key authorization: app_key aylien_news_api.configuration.api_key['X-AYLIEN-NewsAPI-Application-Key'] = ' ecd21528850dc3e75a47f53960c839b0'# create an instance of the API class api_instance = aylien_news_api.DefaultApi()opts = {'title': 'trump','sort_by': 'social_shares_count.facebook','language': ['en'],'published_at_start': 'NOW-7DAYS','published_at_end': 'NOW','entities_body_links_dbpedia': ['http://dbpedia.org/resource/Donald_Trump','http://dbpedia.org/resource/Hillary_Rodham_Clinton'] }try:# List storiesapi_response = api_instance.list_stories(**opts)print(api_response) except ApiException as e:print("Exception when calling DefaultApi->list_stories: %s\n" % e)步驟5：保存文件并通過鍵入“python trial.py”開啟運行。輸出將是如下所示的jason?dump：
{'clusters': [], 'next_page_cursor': 'AoJbuB0uU3RvcnkgMzQwNzE5NTc=', 'stories': [{'author': {'avatar_url': None, 'id': 56374, 'name': ''}, 'body': 'President Donald Trump agreed to meet alliance leaders in Europe in May in a phone call on Sunday with NATO Secretary General Jens Stoltenberg that also touched on the separatist conflict in eastern Ukraine, the White House said.', 'categories': [{'confident': True, 'id': 'IAB20-13', 'level': 2, 'links': {'_self': 'https://api.aylien.com/api/v1/classify/taxonomy/iab-qag/IAB20-13', 'parent': 'https://api.aylien.com/api/v1/classify/taxonomy/iab-qag/IAB20'}, 'score': 0.3734071532595844, 'taxonomy': 'iab-qag'}, {'confident': False, 'id': 'IAB11-3', 'level': 2, 'links': {'_self': 'https://api.aylien.com/api/v1/classify/taxonomy/iab-qag/IAB11-3', 'parent': 'https://api.aylien.com/api/v1/classify/taxonomy/iab-qag/IAB11'}, 'score': 0.2898707860282879, 'taxonomy': 'iab-qag'}, {'confident': False, 'id': 'IAB10-5', 'level': 2, 'links': {'_self': 'https://api.aylien.com/api/v1/classify/taxonomy/iab-qag/IAB10-5', 'parent': 'https://api.aylien.com/api/v1/classify/taxonomy/iab-qag/IAB10'}, 'score': 0.24747867463774773, 'taxonomy': 'iab-qag'}, {'confident': False, 'id': 'IAB25-5', 'level': 2, 'links': {'_self': 'https://api.aylien.com/api/v1/classify/taxonomy/iab-qag/IAB25-5', 'parent': 'https://api.aylien.com/api/v1/classify/taxonomy/iab-qag/IAB25'}, 'score': 0.22760056625597547, 'taxonomy': 'iab-qag'}, {'confident': False, 'id': 'IAB20', 'level': 1, 'links': {'_self': 'https://api.aylien.com/api/v1/classify/taxonomy/iab-qag/IAB20', 'parent': None}, 'score': 0.07238470020202414, 'taxonomy': 'iab-qag'}, {'confident': False, 'id': 'IAB10', 'level': 1, 'links': {'_self': 'https://api.aylien.com/api/v1/classify/taxonomy/iab-qag/IAB10', 'parent': None}, 'score': 0.06574918306158796, 'taxonomy': 'iab-qag'}, {'confident': False, 'id': 'IAB25', ...哇！我可以做一個根據興趣篩選新聞的對話應用程序了！我相信，現在你對深度學習感到很興奮！
2.開源應用程序
現階段，對研究社區起最大幫助的是開源思維。研究人員分享他們取得的成果，深度學習也因此得到了跨越式發展。這里我涉及了一些開源成果，它們都是從從研究論文中轉變過來的。
?
2.1.1開源應用的優點
-
由于應用程序是開源的，你可以查看應用程序的任何細節，并且如果需要，還可以輕松自定義。
?
-
來自不同組織、擁有不同經驗的開發人員會在應用程序中協作。這使得應用程序比原始版本更好。此外，因為很多人都可以使用，所以這個應用程序可以不斷地進行測試，更方便地被使用。
?
2.1.2開源應用程序的缺點
-
因為沒有組織從背后支持，開源項目中往往缺少“責任意識”，如果發生問題也不知道該責問誰。
?
-
還有明顯的許可問題，許多公司都不愿將他們的項目“公開”。
注意：對于開源應用程序，我建議你瀏覽一遍官方的存儲庫。因為很多項目仍處于初級階段，可能會因為未知的原因而中斷。
讓我們來看一些開源應用程序！
?
2.2利用深度學習進行語句校正
現在的系統可以輕松檢測和糾正拼寫錯誤，但糾正語法錯誤有點困難。為了提升這一能力，我們可以使用深度學習。這個存儲庫是特意為此設置的。
我整理一下……
這里我們使用一個語料庫來訓練序列預測神經網絡，該語料庫包含一系列語法錯誤的句子以及它的更正結果。
訓練模型為語句的矯正提供了正確答案。下面是一個例子：
?
輸入：‘Kvothe went to market’
輸出：‘Kvothe went to the market’
你可以在網站上查看演示：http://atpaino.com/dtc.html
?
該模型仍然無法校正所有的句子，但隨著更多的訓練數據和高效的深度學習算法，結果會越來越好。
?
要求：
-
Python（2或3）
-
GPU（可選用于更快的訓練）
?
步驟1：從官網上安裝tensorflow。另外，從GitHub下載存儲庫，并從https://github.com/atpaino/deep-text-corrector保存到本地。
?
步驟2：下載數據集（Cornell Movie-Dialogs Corpus），并將其解壓到工作目錄中
?
?
步驟3：通過運行命令創建訓練數據
python preprocessors/preprocess_movie_dialogs.py --raw_data movie_lines.txt \--out_file preprocessed_movie_lines.txt并創建訓練，驗證和測試文件，并將其保存在當前工作目錄中
?
步驟4：現在訓練深度學習模型：
python correct_text.py --train_path /movie_dialog_train.txt \--val_path /movie_dialog_val.txt \--config DefaultMovieDialogConfig \--data_reader_type MovieDialogReader \--model_path /movie_dialog_model步驟5：該模型需要一些時間來訓練。訓練完成后，可以通過以下方式進行測試：
python correct_text.py --test_path /movie_dialog_test.txt \--config DefaultMovieDialogConfig \--data_reader_type MovieDialogReader \--model_path /movie_dialog_model \--decode2.3利用深度學習進行男女肖像轉換
在談到該應用程序之前，請觀察以下結果：
這里第二張圖片是第一張圖片通過深度學習得到的！這個有趣的應用程序表明深度學習無所不能！該應用程序的核心在于GAN（生成對抗網絡），這種類型的深度學習能夠本中生成新樣本。
?
要求：
-
Python（3.5+）
-
Tensorflow（r0.12 +）
-
GPU（可選用于更快捷的訓練）
操作之前給你提個醒，如果不使用GPU，模型訓練需要花很長的時間。即使使用高端GPU（Nvidia GeForce GTX 1080），一個圖像的訓練也需2小時。
?
步驟1：下載存儲庫并在本地解壓縮https://github.com/david-gpu/deep-makeover
?
步驟2：從CelebA數據集下載“Align&Cropped Images”。創建數據集文件夾，并命名為“dataset”，并把所有圖片解壓到其中。
?
步驟3：通過以下方式訓練模型：
python3 dm_main.py --run train然后通過傳遞想要轉換的圖像進行測試
python3 dm_main.py --run inference image.jpg2.4搭建深度強化學習機器人來玩Flappy Bird這款游戲
你可能玩過Flappy Bird這款游戲。對于不知道這個游戲的人來說，這款Android游戲很讓人上癮。在游戲里，玩家需要避開障礙，讓小鳥一直在空中飛翔。
在這個應用中，這個飛鳥機器人就是利用強化學習技術創造的。這下面是一個訓練好的機器人演示。
要求：
-
Python（2或3）
-
Tensorflow（0.7+）
-
Pygame
-
Opencv-python
實現這個應用很容易，因為多數的基本要素都已經包含其中?
?
步驟1：下載官方存儲庫。
?
步驟2：確保已安裝所有依賴項。一旦準備完成，運行如下命令。
python deep_q_network.py4.其他值得一提的資源
本文只是涉及了深度學習模型強大能力的皮毛。每天都有大量論文發表，帶來大批像這樣的應用。關鍵是誰能最先提出想法
?
我還列了一些其他值得一看的資源。
-
A compilation of deep learning applications by Károly Zsolnai-Fehér
-
Neural Artistic Style
-
Building a toy self-driving car bot on?Mario Kart.
-
9 Cool Deep Learning Applications | Two Minute Papers
-
10 More Cool Deep Learning Applications | Two Minute Papers
-
10 Even Cooler Deep Learning Applications | Two Minute Papers
-
List of?Deep Learning Startups
-
List of awesome?Deep Learning Projects
?
結語
希望你在閱讀這篇文章的過程中找到樂趣。這些應用程序絕對會讓你感到震撼。有的人可能已經了解這些應用，有的人還沒有。如果你參與過這些應用程序的開發，請分享你的經驗。我們會拭目以待。
原文發布時間為：2017-03-04
本文作者：盧苗苗、朱煜奇
本文來自云棲社區合作伙伴“數據派THU”，了解相關信息可以關注“數據派THU”微信公眾號
總結
以上是生活随笔為你收集整理的干货 ：六招教你用Python分分钟构建好玩的深度学习应用的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 荣耀30会更新鸿蒙系统吗,华为荣耀30肿
- 下一篇： 快消巨头与“饿了么”的数字革命