這些年深度學習炙手可熱，人臉識別，圖像分類，目標檢測等技術已經(jīng)應用到我們生活的方方面面。作為一個時刻保持好奇心的程序猿想入門深度學習，但又苦于門檻較高，難以獲得理想的學習成果。好在一些大廠已經(jīng)推出了深度學習云平臺，讓我們前端小白也能體驗深度學習的樂趣。

   這次我們基于百度AI開放平臺EasyDL來實現(xiàn)一個logo圖像識別小程序，半天時間輕松搞定客戶BABA的需求。

    1:創(chuàng)建訓練模型

    要實現(xiàn)logo識別的功能，我們先要創(chuàng)建一個物體檢測模型。

    1.1選擇創(chuàng)建模型

    1.2為模型命名，模型歸屬選擇個人。

    2:創(chuàng)建訓練數(shù)據(jù)集

    模型創(chuàng)建好以后，我們要為模型提供訓練數(shù)據(jù)，所謂訓練數(shù)據(jù)就是我們要識別的logo圖片。

   模型就像一個懵懂的孩子，我們要用訓練數(shù)據(jù)教他識別圖片中的logo，讓他能舉一反三，以后遇到不在數(shù)據(jù)集中的圖片也能準確的識別出來。

    2.1準備訓練數(shù)據(jù)

   為了提高識別精度，我們需要用手機拍攝不同的光線，角度，背景下的logo圖片上傳，圖片數(shù)據(jù)越多，越有助于提高模型的識別精度，一般建議上傳40張左右。

    2.2標注數(shù)據(jù)

   上傳后，用鼠標拖拽矩形區(qū)域標注出logo圖形位置，并設置統(tǒng)一的標簽名，然后點擊左下角的保存按鈕。如果嫌手動標注麻煩，也可以嘗試右下角的智能標注。

    2.3開始訓練

   訓練時間和數(shù)據(jù)集大小成正比，以我30多張的訓練數(shù)據(jù)為例，大概需要20分鐘左右，已經(jīng)很快啦，如果是在本地單機上訓練可能要幾小時的時間，這就是云服務分布計算的好處。

    2.4校驗模型

    訓練結束后，我們需要對模型進行校驗，看看模型的識別精度是否符合預期。

    上傳幾張不在數(shù)據(jù)集中的照片來檢驗結果，如果效果滿意，我們就可以進行下一步，發(fā)布模型。

    3:發(fā)布模型

    3.1提交申請

    發(fā)布模型前需要提交審核，填寫服務名稱和接口地址，提交申請。

    審核成功后，在操作列表中點擊服務詳情->立即使用。

    3.2創(chuàng)建應用

   在使用接口前，我們還需要創(chuàng)建一個應用，應用可以理解為一個容器，一個應用可以包含多個接口，為這些接口提供訪問鍵值，秘鑰等參數(shù)。