《深度學(xué)習(xí)技術(shù)應(yīng)用》課件 項(xiàng)目四 基于Flask的模型應(yīng)用與部署-貓狗識(shí)別

項(xiàng)目四基于Flask的模型應(yīng)用與部署-貓狗識(shí)別深度學(xué)習(xí)應(yīng)用技術(shù)項(xiàng)目引導(dǎo)案例

深度學(xué)習(xí)正迅速成為人工智能應(yīng)用的關(guān)鍵工具。深度學(xué)習(xí)中最突出的問(wèn)題之一是圖像分類,圖像分類就是根據(jù)各自在圖像信息中所反映的不同特征，把不同類別的目標(biāo)區(qū)分開來(lái)的圖像處理方法。

要說(shuō)到深度學(xué)習(xí)圖像分類的經(jīng)典案例之一，那就是貓狗大戰(zhàn)了。貓和狗在外觀上的差別還是挺明顯的，無(wú)論是體型、四肢、臉龐和毛發(fā)等等，都是能通過(guò)肉眼很容易區(qū)分的。項(xiàng)目引導(dǎo)案例模型訓(xùn)練與評(píng)估01運(yùn)用Flask將模型部署成網(wǎng)頁(yè)端應(yīng)用02思考一下

如何讓機(jī)器來(lái)識(shí)別貓和狗呢？項(xiàng)目引導(dǎo)案例模型訓(xùn)練與評(píng)估任務(wù)一職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)一模型訓(xùn)練與評(píng)估了解圖像分類的基本過(guò)程和特征處理了解ResNet殘差網(wǎng)絡(luò)產(chǎn)生的背景、結(jié)構(gòu)及網(wǎng)絡(luò)了解常用的模型訓(xùn)練評(píng)估指標(biāo)能夠搭建Tensorflow模型訓(xùn)練環(huán)境能夠正確劃分訓(xùn)練集與測(cè)試集能夠使用基于Tensorflow的Keras框架進(jìn)行模型訓(xùn)練能夠使用可視化工具對(duì)模型進(jìn)行評(píng)估職業(yè)能力目標(biāo)01知識(shí)目標(biāo)技能目標(biāo)職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)一模型訓(xùn)練與評(píng)估

首先進(jìn)行環(huán)境、數(shù)據(jù)的準(zhǔn)備，貓狗訓(xùn)練集數(shù)據(jù)和驗(yàn)證集數(shù)據(jù)的劃分，再搭建ResNet模型、模型編譯、之后進(jìn)行模型訓(xùn)練，最后對(duì)模型進(jìn)行評(píng)估，展示可視化訓(xùn)練結(jié)果。任務(wù)描述任務(wù)要求模型所需的環(huán)境、數(shù)據(jù)準(zhǔn)備；數(shù)據(jù)集的劃分；模型編譯、訓(xùn)練；模型評(píng)估，展示可視化結(jié)果。任務(wù)描述與要求02職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)一模型訓(xùn)練與評(píng)估任務(wù)分析圖像分類中提取的特征有哪些方法？如何查看模型的準(zhǔn)確率？任務(wù)分析與計(jì)劃03任務(wù)計(jì)劃表通過(guò)上面的思考，你是否對(duì)本任務(wù)要完成的工作有所了解？讓我們一起來(lái)制訂完成本次任務(wù)的實(shí)施計(jì)劃吧！任務(wù)分析與計(jì)劃03項(xiàng)目名稱基于Flask的模型應(yīng)用與部署-貓狗識(shí)別任務(wù)名稱模型訓(xùn)練與評(píng)估計(jì)劃方式自主設(shè)計(jì)計(jì)劃要求請(qǐng)用8個(gè)計(jì)劃步驟來(lái)完整描述出如何完成本次任務(wù)序號(hào)任務(wù)計(jì)劃1

2

3

4

5

6

7

8職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)一模型訓(xùn)練與評(píng)估ResNet殘差網(wǎng)絡(luò)204知識(shí)儲(chǔ)備圖像分類1模型評(píng)估3圖像分類04

圖像分類，核心是從給定的分類集合中給圖像分配一個(gè)標(biāo)簽的任務(wù)。實(shí)際上，這意味著我們的任務(wù)是分析一個(gè)輸入圖像并返回一個(gè)將圖像分類的標(biāo)簽，標(biāo)簽總是來(lái)自預(yù)定義的可能類別集。圖像分類的基本過(guò)程04

圖像分類的基本操作是建立圖像內(nèi)容的描述，然后利用機(jī)器學(xué)習(xí)方法學(xué)習(xí)圖像類別，最后利用學(xué)習(xí)得到的模型對(duì)未知圖像進(jìn)行分類。一般來(lái)說(shuō)，圖像分類性能主要與圖像特征提取和分類方法密切相關(guān)。04圖像特征處理

從圖像中提取有用的數(shù)據(jù)或信息，得到圖像的“非圖像”的表示或描述，如數(shù)值、向量和符號(hào)等。這一過(guò)程就是特征提取，而提取出來(lái)的這些“非圖像”的表示或描述就是特征。圖像分類中提取的特征主要有兩類：

底層視覺(jué)特征局部不變特征04顏色：常用的顏色空間包括：RGB、HSV空間、反顏色空間等。圖像特征處理形狀：描述形狀的方法通常分為基于區(qū)域的形狀描述方法和基于輪廓的形狀描述方法兩種。紋理：紋理特征是不依賴于顏色和亮度的反映圖像中同質(zhì)現(xiàn)象的視覺(jué)特征，其本質(zhì)是刻畫像素的鄰域灰度空間分布規(guī)律?；趨^(qū)域的形狀描述方法：注重集合形狀的全局特征，描述形狀局部特征的能力有限。基于輪廓的形狀描述方法又可以分為基于空間域的方法和基于變換域的方法：

基于空間域：即集合特征描述方法。

基于變換域：主要將目標(biāo)輪廓的邊緣點(diǎn)數(shù)據(jù)變換到頻率域中。

局部不變特征也稱為局部特征，首要任務(wù)是要提取出更加穩(wěn)定的圖像特征來(lái)描述圖像。提取分為兩個(gè)部分：特征點(diǎn)（或區(qū)域）探測(cè)和特征描述。

特征點(diǎn)探測(cè)：采用一定的規(guī)則或者策略從圖像中選取一些有代表性的特征點(diǎn)或特征區(qū)域；

特征描述：根據(jù)特征點(diǎn)探測(cè)所得特征點(diǎn)或特征區(qū)域，提取出滿足一定不變性要求的特征向量。04圖像特征處理穩(wěn)定：希望該特征能對(duì)旋轉(zhuǎn)、尺度縮放、仿射變換、視角變化、光照變化等圖像變化因素保持一定的不變形，對(duì)運(yùn)動(dòng)、遮擋、噪聲等因素也保持較好的可匹配性。ResNet殘差網(wǎng)絡(luò)204知識(shí)儲(chǔ)備圖像分類1模型評(píng)估3204殘差網(wǎng)絡(luò)背景321計(jì)算資源的消耗模型容易過(guò)擬合梯度消失/梯度爆炸在深度學(xué)習(xí)中，網(wǎng)絡(luò)層數(shù)增多一般會(huì)伴著下面幾個(gè)問(wèn)題：04殘差網(wǎng)絡(luò)背景

實(shí)驗(yàn)中發(fā)現(xiàn)，隨著網(wǎng)絡(luò)層數(shù)的增加，網(wǎng)絡(luò)發(fā)生了退化的現(xiàn)象：隨著網(wǎng)絡(luò)層數(shù)的增多，訓(xùn)練集loss逐漸下降，然后趨于飽和，當(dāng)再增加網(wǎng)絡(luò)深度的話，訓(xùn)練集loss反而會(huì)增大。

殘差網(wǎng)絡(luò)就應(yīng)運(yùn)而生，殘差網(wǎng)絡(luò)是由來(lái)自MicrosoftResearch的4位學(xué)者提出的卷積神經(jīng)網(wǎng)絡(luò)。特點(diǎn)：容易優(yōu)化，能通過(guò)增加相當(dāng)?shù)纳疃葋?lái)提高準(zhǔn)確率。其內(nèi)部的殘差塊使用了跳躍連接，緩解了在深度神經(jīng)網(wǎng)絡(luò)中增加深度帶來(lái)的梯度消失問(wèn)題。04ResNet結(jié)構(gòu)

ResNet提出了兩種mapping：一種是identitymapping，左圖中“彎彎的曲線”，另一種residualmapping，指的就是除了“彎彎的曲線”的另外一部分，所以最后的輸出是y=F(x)+x。identitymapping指的恒等映射，也就是公式中的x，而residualmapping指的是“差”，也就是F(x)=y-x部分。04ResNet結(jié)構(gòu)

ResNet使用兩種殘差單元，如圖所示。左圖對(duì)應(yīng)的是淺層網(wǎng)絡(luò)，而右圖對(duì)應(yīng)的是深層網(wǎng)絡(luò)。一般稱整個(gè)結(jié)構(gòu)為一個(gè)”buildingblock“。使用殘差結(jié)構(gòu)的兩個(gè)好處：前向傳播時(shí)，淺層的特征可以在深層得到重用；反向傳播時(shí)，深層的梯度可以直接傳向淺層。ResNet50網(wǎng)絡(luò)04

ResNet網(wǎng)絡(luò)是參考了VGG19網(wǎng)絡(luò)，在其基礎(chǔ)上進(jìn)行了修改，并通過(guò)短路機(jī)制加入了殘差單元，ResNet50首先對(duì)輸入做了卷積操作，之后包含4個(gè)殘差快（ResidualBlock),最后進(jìn)行全連接操作以便于進(jìn)行分類任務(wù)，網(wǎng)絡(luò)構(gòu)成示意圖,Resnet50則包含50個(gè)conv2d操作。ResNet殘差網(wǎng)絡(luò)204知識(shí)儲(chǔ)備圖像分類1模型評(píng)估32

模型的好壞是“相對(duì)”的，什么樣的模型好的，不僅取決于算法和數(shù)據(jù)，還決定于任務(wù)需求。因此，選取一個(gè)合理的模型評(píng)價(jià)指標(biāo)是非常有必要的。

評(píng)估一般可以分為回歸、分類和聚類的評(píng)估。

常見(jiàn)的幾種評(píng)估模型的參數(shù)指標(biāo)，如預(yù)測(cè)準(zhǔn)確率（Accuracy）、精確率（Precision）、召回率（Recall）、F1值和ROC曲線模型常見(jiàn)評(píng)估指標(biāo)04模型常見(jiàn)評(píng)估指標(biāo)04真陽(yáng)性（TP，TruePostive）：真實(shí)值是Positive，模型認(rèn)為是Positive的數(shù)量；假陽(yáng)性（FP，F(xiàn)alsePositive）：真實(shí)值是Negative，模型認(rèn)為是Positive的數(shù)量。這就是統(tǒng)計(jì)學(xué)上的第二類錯(cuò)誤（TypeIIError）。真陰性（TN，TrueNegative）：真實(shí)值是Negative，模型認(rèn)為是Negative的數(shù)量；假陰性（FN，F(xiàn)alseNegative）：真實(shí)值是Positive，模型認(rèn)為是Negative的數(shù)量。這就是統(tǒng)計(jì)學(xué)上的第一類錯(cuò)誤（TypeIError）。模型常見(jiàn)評(píng)估指標(biāo)04準(zhǔn)確率（Accuracy）的定義是：對(duì)于給定的測(cè)試集，分類模型正確分類的樣本數(shù)與總樣本數(shù)之比，準(zhǔn)確率的計(jì)算公式為：

Accuracy=(TP+TN)/(TP+TN+FP+FN)精確率（Precision）的定義是：分類模型預(yù)測(cè)的正樣本中有多少是真正的正樣本：

Precision=TP/(TP+FP)召回率（Recall）的定義是：對(duì)于給定測(cè)試集的某一個(gè)類別，樣本中的正類有多少被分類模型預(yù)測(cè)正確。Recall=TP/(TP+FN)模型常見(jiàn)評(píng)估指標(biāo)04在現(xiàn)實(shí)情況下，精確率和召回率像是坐在蹺蹺板上一樣，往往出現(xiàn)一個(gè)值升高，另一個(gè)值降低，那么，需要一個(gè)指標(biāo)來(lái)綜合考慮精確率和召回率，這個(gè)指標(biāo)就是F值模型常見(jiàn)評(píng)估指標(biāo)04

通過(guò)真正率和假正率來(lái)繪制ROC曲線來(lái)評(píng)估分類模型。ROC曲線橫縱坐標(biāo)范圍在區(qū)間「0，1」之間，一般來(lái)說(shuō)，ROC曲線與x軸形成的面積越大，模型的分類性能越好。IOU交并比04

對(duì)具體的某個(gè)物體來(lái)講，我們可以使用交并比，即模型所預(yù)測(cè)的檢測(cè)框和真實(shí)（GroundTruth）的檢測(cè)框的交集和并集之間的比例，來(lái)量化貼和程度。AP和mAP04常用的用于評(píng)價(jià)模型好壞的綜合指標(biāo)：均值平均精度，即mAP(MeanAveragePrecision)。mAP用于反應(yīng)模型在給定所有的類別上表現(xiàn)的好壞程度，其計(jì)算方法相對(duì)復(fù)雜。可以簡(jiǎn)單理解為以下公式：mAP=所有類別的平均精度求和后除以所有類別，即數(shù)據(jù)集中所有類的平均精度的平均值。mAP總是在固定的數(shù)據(jù)集上計(jì)算，它不是量化模型輸出的絕對(duì)度量，但是是一個(gè)比較好的相對(duì)度量。職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)一模型訓(xùn)練與評(píng)估05任務(wù)實(shí)施訓(xùn)練集、驗(yàn)證集劃分21模型訓(xùn)練3模型評(píng)估4訓(xùn)練集、驗(yàn)證集劃分環(huán)境、數(shù)據(jù)準(zhǔn)備05數(shù)據(jù)集的文件名是以type.num.jpg這樣的方式命名的，比如cat.0.jpg。使用Keras的ImageDataGenerator要求將不同種類的圖片分在不同的文件夾中，整理后的數(shù)據(jù)集結(jié)構(gòu)如下所示。1、數(shù)據(jù)集介紹環(huán)境、數(shù)據(jù)準(zhǔn)備05安裝模型所需要的依賴包，并加載導(dǎo)入。2、依賴包安裝及加載圖像數(shù)據(jù)處理053、路徑設(shè)置輸出項(xiàng)目所在的路徑：運(yùn)用BASE_PATH的路徑，用于設(shè)置INPUT_DIR的值。圖像數(shù)據(jù)處理054、標(biāo)簽設(shè)置與路徑添加本次任務(wù)要檢測(cè)類別只有貓與狗。要把所有的圖片的路徑放入paths列表中。訓(xùn)練集和測(cè)試集劃分05任務(wù)實(shí)施訓(xùn)練集、驗(yàn)證集劃分2環(huán)境、數(shù)據(jù)準(zhǔn)備1模型訓(xùn)練3模型評(píng)估4051、數(shù)據(jù)集截取云平臺(tái)功能限制，為了減少訓(xùn)練時(shí)間，只需要其中部分圖片用來(lái)訓(xùn)練模型。本次訓(xùn)練選取1000張圖像進(jìn)行模型訓(xùn)練。訓(xùn)練集和測(cè)試集劃分052、數(shù)據(jù)集劃分讀取圖片數(shù)據(jù)生成數(shù)據(jù)集，X為訓(xùn)練集，Y為標(biāo)簽數(shù)組，貓的標(biāo)簽設(shè)置為0，狗的標(biāo)簽設(shè)置為1。訓(xùn)練集和測(cè)試集劃分053、訓(xùn)練集、驗(yàn)證集劃分X為訓(xùn)練集，Y為標(biāo)簽數(shù)組，訓(xùn)練集和驗(yàn)證集的劃分比例為8:2。訓(xùn)練集和測(cè)試集劃分sklearn.model_selection.train_test_split(*arrays,test_size,shuffle)arrays:數(shù)據(jù)集的數(shù)組test_size:0-1的浮點(diǎn)數(shù)，值為測(cè)試集的劃分比例shuffle：布爾值，是否在劃分前打亂數(shù)據(jù)集05任務(wù)實(shí)施訓(xùn)練集、驗(yàn)證集劃分2環(huán)境、數(shù)據(jù)準(zhǔn)備1模型訓(xùn)練3模型評(píng)估4051、基礎(chǔ)模型設(shè)置模型參數(shù)的介紹：模型訓(xùn)練Flatten()展平層，將tensor展開，不做計(jì)算Dense()全連接層Dropout()丟棄法，用于防止過(guò)擬合052、延展模型為了使該模型更加契合我們的項(xiàng)目，需要在原有的基礎(chǔ)之上添加額外的層。模型訓(xùn)練053、模型編譯tf.keras.Mpile(optimizer,loss,metrics)，參數(shù)介紹如下：

模型訓(xùn)練參數(shù)介紹如下：optimizer:模型訓(xùn)練使用的優(yōu)化器，可以從tf.keras.optimizers中選擇。loss:模型優(yōu)化時(shí)使用的損失值類型，可以從tf.keras.losses中選擇，此次訓(xùn)練只有兩個(gè)類別需要判別，所以使用二元交叉熵。metrics：訓(xùn)練過(guò)程中返回的矩陣評(píng)估指標(biāo)，可以從tf.keras.metrics中選擇054、模型開始訓(xùn)練tf.keras.Model.fit(x,y,batch_size,epochs,validation_data)模型訓(xùn)練參數(shù)介紹如下：x:訓(xùn)練集數(shù)組。y:訓(xùn)練集標(biāo)簽batch_size：批處理數(shù)量。epochs:迭代次數(shù)。validation_data：驗(yàn)證集的圖片和標(biāo)簽數(shù)組。055、載入模型進(jìn)行訓(xùn)練tf.keras.models.load_model(filepath,compile,options)模型訓(xùn)練參數(shù)介紹如下：filepath:模型文件路徑。compile:布爾值，確認(rèn)在加載之后是否編譯模型，非必填項(xiàng)options：可選擇tf.saved_model.LoadOptions里的特殊選項(xiàng)值,非必填項(xiàng)。05任務(wù)實(shí)施訓(xùn)練集、驗(yàn)證集劃分2環(huán)境、數(shù)據(jù)準(zhǔn)備1模型訓(xùn)練3模型評(píng)估4模型評(píng)估051、查看模型的準(zhǔn)確率與損失值#查看模型準(zhǔn)確率print(history.history['accuracy'])print(history.history['val_accuracy'])print(history2.history['accuracy'])print(history2.history['val_accuracy'])#查看模型損失值print(history.history['loss'])print(history.history['val_loss'])print(history2.history['loss'])print(history2.history['val_loss'])05使用history的參數(shù)。模型準(zhǔn)確率是逐步上升的；2、準(zhǔn)確率可視化模型評(píng)估05使用history2的參數(shù)。模型準(zhǔn)確率是趨于飽和的。2、準(zhǔn)確率可視化模型評(píng)估05使用history的參數(shù)，模型損失是逐步下降的3、損失可視化模型評(píng)估05使用history2的參數(shù)，模型損失沒(méi)有太多變化。3、損失可視化模型評(píng)估職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)一模型訓(xùn)練與評(píng)估任務(wù)檢查與評(píng)價(jià)061、請(qǐng)參照評(píng)價(jià)標(biāo)準(zhǔn)完成自評(píng)和對(duì)其他小組的互評(píng)。2、各組請(qǐng)代表分析本組任務(wù)實(shí)施經(jīng)驗(yàn)。項(xiàng)目名稱基于Flask的模型應(yīng)用與部署-貓狗識(shí)別任務(wù)名稱模型訓(xùn)練與評(píng)估評(píng)價(jià)方式可采用自評(píng)、互評(píng)、老師評(píng)價(jià)等方式說(shuō)明主要評(píng)價(jià)學(xué)生在項(xiàng)目學(xué)習(xí)過(guò)程中的操作技能、理論知識(shí)、學(xué)習(xí)態(tài)度、課堂表現(xiàn)、學(xué)習(xí)能力等

評(píng)價(jià)內(nèi)容與評(píng)價(jià)標(biāo)準(zhǔn)序號(hào)評(píng)價(jià)內(nèi)容評(píng)價(jià)標(biāo)準(zhǔn)分值得分1理論知識(shí)（20%）了解圖像分類的基本過(guò)程和特征處理、ResNet殘差網(wǎng)絡(luò)產(chǎn)生的背景、結(jié)構(gòu)及網(wǎng)絡(luò)、以及常用的模型訓(xùn)練評(píng)估指標(biāo)。（20分）20分

2專業(yè)技能（40%）環(huán)境、數(shù)據(jù)準(zhǔn)備（5%）正確的安裝及加載依賴包（1分）5分

正確的路徑設(shè)置（2分）正確的設(shè)置標(biāo)簽與添加路徑（2分）3訓(xùn)練集、驗(yàn)證集劃分（10%）正確的截取數(shù)據(jù)集（2分）10分

正確的劃分?jǐn)?shù)據(jù)集（3分）正確的劃分訓(xùn)練集、驗(yàn)證集（5分）4模型訓(xùn)練（15%）正確的設(shè)置基礎(chǔ)模型與延展模型（5分）15分

正確的編譯模型（5分）正確的訓(xùn)練模型（5分）模型評(píng)估（10分）正確的查看模型的準(zhǔn)確率與損失值（5分）10分正確的可視化準(zhǔn)確率與損失（5分）5核心素養(yǎng)（20%）具有良好的自主學(xué)習(xí)能力、分析解決問(wèn)題的能力、整個(gè)任務(wù)過(guò)程中有指導(dǎo)他人（20分）20分

具有較好的學(xué)習(xí)能力和分析解決問(wèn)題的能力，任務(wù)過(guò)程中無(wú)指導(dǎo)他人（15分）能夠主動(dòng)學(xué)習(xí)并收集信息，有請(qǐng)教他人進(jìn)行解決問(wèn)題的能力（10分）不主動(dòng)學(xué)習(xí)（0分）6課堂紀(jì)律（20%）設(shè)備無(wú)損壞、設(shè)備擺放整齊、工位區(qū)域內(nèi)保持整潔、無(wú)干擾課堂秩序（20分）20分

設(shè)備無(wú)損壞、無(wú)干擾課堂秩序（15分）無(wú)干擾課堂秩序（10分）干擾課堂秩序（0分）總得分職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)一模型訓(xùn)練與評(píng)估任務(wù)小結(jié)07職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)一模型訓(xùn)練與評(píng)估任務(wù)拓展08在模型訓(xùn)練時(shí)，選擇不同的激活函數(shù)，再進(jìn)行模型訓(xùn)練，查看訓(xùn)練結(jié)果及模型評(píng)估效果？激活函數(shù)有：Sigmoid函數(shù)、Tanh函數(shù)、Relu函數(shù)、ELU函數(shù)等，選擇不同激活函數(shù)進(jìn)行模型訓(xùn)練，并查看結(jié)果。解題

思路提示謝謝大家學(xué)習(xí)項(xiàng)目四基于Flask的模型應(yīng)用與部署-貓狗識(shí)別深度學(xué)習(xí)應(yīng)用技術(shù)運(yùn)用Flask將模型部署成網(wǎng)頁(yè)端應(yīng)用任務(wù)二職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)二運(yùn)用Flask將模型部署成網(wǎng)頁(yè)端應(yīng)用了解Flask框架概念和特點(diǎn)了解HTML的概念和特點(diǎn)了解CSS語(yǔ)音特點(diǎn)和應(yīng)用能夠使用Flask框架將模型部署為網(wǎng)頁(yè)應(yīng)用能夠掌握html標(biāo)簽格式的使用能夠使用html修改、添加網(wǎng)頁(yè)端元素能夠使用在網(wǎng)頁(yè)應(yīng)用上展示預(yù)測(cè)結(jié)果職業(yè)能力目標(biāo)01知識(shí)目標(biāo)技能目標(biāo)職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)二運(yùn)用Flask將模型部署成網(wǎng)頁(yè)端應(yīng)用

首先進(jìn)行環(huán)境依賴包安裝，網(wǎng)站初始代碼的解析，添加html文件標(biāo)簽，再修改和添加網(wǎng)頁(yè)端元素，將任務(wù)一訓(xùn)練好的模型部署到網(wǎng)頁(yè)端，編寫好預(yù)測(cè)函數(shù)，在網(wǎng)頁(yè)端展示預(yù)測(cè)結(jié)果。任務(wù)描述任務(wù)要求模型所需的依賴包安裝；初始代碼解析；修改、添加網(wǎng)頁(yè)端元素；網(wǎng)頁(yè)端部署模型，并展示預(yù)測(cè)結(jié)果。任務(wù)描述與要求02職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)二運(yùn)用Flask將模型部署成網(wǎng)頁(yè)端應(yīng)用任務(wù)分析如何構(gòu)建一個(gè)網(wǎng)頁(yè)并修改網(wǎng)頁(yè)板式？如何將模型部署至網(wǎng)頁(yè)端？任務(wù)分析與計(jì)劃03任務(wù)計(jì)劃表通過(guò)上面的思考，你是否對(duì)本任務(wù)要完成的工作有所了解？讓我們一起來(lái)制訂完成本次任務(wù)的實(shí)施計(jì)劃吧！任務(wù)分析與計(jì)劃03項(xiàng)目名稱基于Flask的模型應(yīng)用與部署-貓狗識(shí)別任務(wù)名稱運(yùn)用Flask將模型部署成網(wǎng)頁(yè)端應(yīng)用計(jì)劃方式自主設(shè)計(jì)計(jì)劃要求請(qǐng)用8個(gè)計(jì)劃步驟來(lái)完整描述出如何完成本次任務(wù)序號(hào)任務(wù)計(jì)劃1

2

3

4

5

6

7

8職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)二運(yùn)用Flask將模型部署成網(wǎng)頁(yè)端應(yīng)用HTML介紹204知識(shí)儲(chǔ)備Flask框架1CSS簡(jiǎn)述3Flask框架簡(jiǎn)述04Flask框架，是用Python語(yǔ)言編寫輕量級(jí)的web開發(fā)框架。主要包括Werkzeug和Jinja2兩個(gè)核心函數(shù)庫(kù)，它們分別負(fù)責(zé)業(yè)務(wù)處理和安全方面的功能。支持URL路由請(qǐng)求集成，一次可以響應(yīng)多個(gè)用戶的訪問(wèn)請(qǐng)求；支持Cookie和會(huì)話管理，通過(guò)身份緩存數(shù)據(jù)建立長(zhǎng)久連接關(guān)系，并提高用戶訪問(wèn)速度；支持交互式Javascript調(diào)試，提高用戶體驗(yàn)；可以處理HTTP基本事務(wù)，快速響應(yīng)客戶端推送過(guò)來(lái)的訪問(wèn)請(qǐng)求。Werkzeug庫(kù)支持自動(dòng)HTML轉(zhuǎn)移功能，能夠很好控制外部黑客的腳本攻擊。系統(tǒng)運(yùn)行速度快，頁(yè)面加載過(guò)程會(huì)將源碼進(jìn)行編譯形成python字節(jié)碼，從而實(shí)現(xiàn)模板的高效運(yùn)行；模板繼承機(jī)制可以對(duì)模板內(nèi)容進(jìn)行修改和維護(hù)，為不同需求的用戶提供相應(yīng)的模板。Jinja2庫(kù)選擇Flask框架的原因04便于學(xué)習(xí)掌握提高開發(fā)效率統(tǒng)一開發(fā)語(yǔ)言Flask中擁有靈活的Jinja2模板引擎，提高了前端代碼的復(fù)用率。在現(xiàn)有標(biāo)準(zhǔn)中，F(xiàn)lask算是微小型框架。開發(fā)者可以根據(jù)項(xiàng)目的需求進(jìn)行相應(yīng)的擴(kuò)展，或者自行開發(fā)。后續(xù)的基于機(jī)器學(xué)習(xí)的車輛檢測(cè)與屬性識(shí)別算法研究，主要開發(fā)語(yǔ)言也是應(yīng)用Python，整個(gè)系統(tǒng)統(tǒng)一開發(fā)語(yǔ)言，便于開發(fā)和后期維護(hù)。Flask擁有基于Werkzeug、Jinja2等一些開源庫(kù)，擁有內(nèi)置服務(wù)器和單元測(cè)試，適配RESTful，支持安全的cookies，而且官方文檔完整，便于學(xué)習(xí)掌握。ACB選擇Flask框架原因HTML介紹204知識(shí)儲(chǔ)備Flask框架1CSS簡(jiǎn)述304HTML解釋

HTML：全稱為超文本標(biāo)記語(yǔ)言，是一種用于創(chuàng)建網(wǎng)頁(yè)的標(biāo)記語(yǔ)言?？梢允褂肏TML來(lái)建立自己的WEB站點(diǎn)，HTML運(yùn)行在瀏覽器上，由瀏覽器來(lái)解析。它包括一系列標(biāo)簽，通過(guò)這些標(biāo)簽可以將網(wǎng)絡(luò)上的文檔格式統(tǒng)一，使分散的Internet資源連接為一個(gè)邏輯整體。

HTML文本：由HTML命令組成的描述性文本。

HTML標(biāo)簽：HTML標(biāo)簽是由尖括號(hào)包圍的關(guān)鍵詞，比如<html>，通常是成對(duì)出現(xiàn)的，比如<b>和</b>。04HTML特點(diǎn)可擴(kuò)展性通用性簡(jiǎn)易性HTML是網(wǎng)絡(luò)的通用語(yǔ)言，一種簡(jiǎn)單、通用的全置標(biāo)記語(yǔ)言。允許網(wǎng)頁(yè)制作人建立文本與圖片相結(jié)合的復(fù)雜頁(yè)面，這些頁(yè)面可以被網(wǎng)上任何其他人瀏覽到，無(wú)論使用的是什么類型的電腦或?yàn)g覽器。超文本標(biāo)記語(yǔ)言版本升級(jí)采用超集方式，從而更加靈活方便。超文本標(biāo)記語(yǔ)言的廣泛應(yīng)用帶來(lái)了加強(qiáng)功能，增加標(biāo)識(shí)符等要求，超文本標(biāo)記語(yǔ)言采取子類元素的方式，為系統(tǒng)擴(kuò)展帶來(lái)保證。ACBHTML特點(diǎn)04HTML頁(yè)面<!DOCTYPEhtml>聲明為HTML5文檔<html>元素是HTML頁(yè)面的根元素<head>元素包含了文檔的元（meta）數(shù)據(jù)，如<metacharset="utf-8">定義網(wǎng)頁(yè)編碼格式為utf-8。<title>元素描述了文檔的標(biāo)題<body>元素包含了可見(jiàn)的頁(yè)面內(nèi)容<h1>元素定義一個(gè)大標(biāo)題<p>元素定義一個(gè)段落04HTML網(wǎng)頁(yè)結(jié)構(gòu)只有<body>區(qū)域(白色部分)才會(huì)在瀏覽器中顯示。HTML介紹204知識(shí)儲(chǔ)備Flask框架1CSS簡(jiǎn)述304CSS與HTML就像建造房子,如果把HTML比喻為骨架,那么CSS就是油漆和裝飾。HTMLCSS04什么是CSSCSS層疊樣式表是一種用來(lái)表現(xiàn)HTML或XML等文件樣式的計(jì)算機(jī)語(yǔ)言。CSS不僅可以靜態(tài)地修飾網(wǎng)頁(yè)，還可以配合各種腳本語(yǔ)言動(dòng)態(tài)地對(duì)網(wǎng)頁(yè)各元素進(jìn)行格式化。CSS能夠?qū)W(wǎng)頁(yè)中元素位置的排版進(jìn)行像素級(jí)精確控制，支持幾乎所有的字體字號(hào)樣式，擁有對(duì)網(wǎng)頁(yè)對(duì)象和模型樣式編輯的能力。04CSS實(shí)例無(wú)樣式樣式一一個(gè)HTML文檔可以顯示不同的樣式04CSS實(shí)例樣式二樣式二CSS文檔HTML標(biāo)簽原本被設(shè)計(jì)為用于定義文檔內(nèi)容，樣式表定義如何顯示HTML元素，就像HTML中的字體標(biāo)簽和顏色屬性所起的作用那樣。樣式通常保存在外部的.css文件中。我們只需要編輯一個(gè)簡(jiǎn)單的CSS文檔就可以改變所有頁(yè)面的布局和外觀。04CSS語(yǔ)言特點(diǎn)頁(yè)面壓縮層疊豐富的樣式定義易于使用和修改多頁(yè)面應(yīng)用提供了豐富的文檔樣式外觀，設(shè)置文本和背景屬性的能力；允許為任何元素創(chuàng)建邊框，以及元素邊框與元素內(nèi)容間、其他元素間的距離；允許改變大小寫方式、修飾方式以及其他頁(yè)面效果?？蓪邮蕉x在HTML元素的style屬性中，也可將其定義在HTML的header，還可將樣式聲明在一個(gè)專門的CSS文件中，以供HTML頁(yè)面引用。CSS樣式表可以單獨(dú)存放在一個(gè)CSS文件中，這樣就可以在多個(gè)頁(yè)面中使用同一個(gè)CSS樣式表。簡(jiǎn)單的說(shuō)，層疊就是對(duì)一個(gè)元素多次設(shè)置同一個(gè)樣式，這將使用最后一次設(shè)置的屬性值。樣式的聲明單獨(dú)放到CSS樣式表中，可以大大的減小頁(yè)面的體積，這樣在加載頁(yè)面時(shí)使用的時(shí)間也會(huì)大大的減少。另外，CSS樣式表的復(fù)用更大程度的縮減了頁(yè)面的體積，減少下載的時(shí)間。04CSS語(yǔ)言基礎(chǔ)屬性值選擇器屬性CSS的選擇器有類型選擇器和簡(jiǎn)單屬性選擇器，比如CLASS屬性、ID屬性、STYLE屬性等?？梢詫㈩愋瓦x擇器、ID選擇器和類選擇器組合成不同的選擇器類型來(lái)構(gòu)成更復(fù)雜的選擇器。通過(guò)組合選擇器，可以更加精確地處理希望賦予某種表示的元素。屬性的名字是一個(gè)合法的標(biāo)識(shí)符，它們是CSS語(yǔ)法中的關(guān)鍵字。一種屬性規(guī)定了格式修飾的一個(gè)方面。要掌握一個(gè)屬性的用法，需要了解該屬性的合法屬性值、默認(rèn)值、所適用的元素、該屬性值是否被下一級(jí)繼承、屬性性能百分值及所屬媒介類型組等。屬性值包括整數(shù)和實(shí)數(shù)、長(zhǎng)度量、百分?jǐn)?shù)量等。ACBCSS語(yǔ)言基礎(chǔ)職業(yè)能力目標(biāo)01任務(wù)描述與要求02任務(wù)分析與計(jì)劃03知識(shí)儲(chǔ)備04任務(wù)實(shí)施05任務(wù)檢查與評(píng)價(jià)06任務(wù)小結(jié)07任務(wù)拓展08任務(wù)二運(yùn)用Flask將模型部署成網(wǎng)頁(yè)端應(yīng)用添加html文件標(biāo)簽205初始代碼解析1網(wǎng)頁(yè)端元素修改、添加3網(wǎng)頁(yè)端部署5任務(wù)實(shí)施判斷語(yǔ)句和額外界面405安裝模型所需要的依賴包，并加載導(dǎo)入。1、依賴包安裝及加載初始代碼解析flask-ngrok包用于云平臺(tái)的內(nèi)網(wǎng)穿透，本地部署時(shí)候可以直接使用flask部署05使用終端命令進(jìn)入對(duì)應(yīng)的文件夾。2、主體代碼解析初始代碼解析05將代碼完整復(fù)制到文件夾下的app.py文件當(dāng)中。3、新建終端初始代碼解析05運(yùn)行app.py文件，并等待頁(yè)面跳轉(zhuǎn)。4、運(yùn)行app.py初始代碼解析如果出現(xiàn)端口被占用錯(cuò)誤，可以用ps查看進(jìn)程，并用kill關(guān)掉多余的sudopythonapp.py進(jìn)程。#查看進(jìn)程，并殺死ps-efsudokill-9{PID}05在瀏覽器中查看效果。5、網(wǎng)頁(yè)運(yùn)行初始代碼解析若瀏覽器中輸出“HelloWorld”，標(biāo)志運(yùn)行正確。添加html文件標(biāo)簽205

初始代碼解析1網(wǎng)頁(yè)端元素修改、添加3網(wǎng)頁(yè)端部署5任務(wù)實(shí)施判斷語(yǔ)句和額外界面405以editor模式打開index.html，將代碼復(fù)制到index.html文件當(dāng)中，并修改對(duì)應(yīng)代碼。1、編輯index.html文件添加html文件標(biāo)簽05校驗(yàn)html內(nèi)容后重新使用終端指令運(yùn)行app。2、運(yùn)行app.py添加html文件標(biāo)簽若網(wǎng)站的內(nèi)容根據(jù)index.html改變，則標(biāo)志操作正確。添加html文件標(biāo)簽205

初始代碼解析1網(wǎng)頁(yè)端元素修改、添加3網(wǎng)頁(yè)端部署5任務(wù)實(shí)施判斷語(yǔ)句和額外界面405在index.html文件中，導(dǎo)入css格式文件并添加標(biāo)題。1、添加css樣式文件地址、標(biāo)題網(wǎng)頁(yè)端元素修改、添加在<head><head/>標(biāo)簽中添加css文件地址。使用<h1></h1>標(biāo)簽和css資源當(dāng)中的jumbotron來(lái)創(chuàng)建標(biāo)題。校驗(yàn)html內(nèi)容后重新使用終端指令運(yùn)行app。05在以上修改的index.html文件內(nèi)，繼續(xù)添加上傳指示和按鈕。2、添加上傳指示和按鈕網(wǎng)頁(yè)端元素修改、添加使用<label><label/>標(biāo)簽,添加上傳指示。使用<button></button>標(biāo)簽,添加上傳按鈕。校驗(yàn)html內(nèi)容后重新使用終端指令運(yùn)行app。05在以上修改的index.html文件內(nèi)，繼續(xù)添加圖片和換行指令。3、添加圖片和換行命令網(wǎng)頁(yè)端元素修改、添加使用<img>標(biāo)簽,添加圖片使用<br>標(biāo)簽,添加換行指示，來(lái)修改格式校驗(yàn)html內(nèi)容后重新使用終端指令運(yùn)行app。添加html文件標(biāo)簽205

初始代碼解析1網(wǎng)頁(yè)端元素修改、添加3網(wǎng)頁(yè)端部署5任務(wù)實(shí)施判斷語(yǔ)句和額外界面405添加主頁(yè)面、次頁(yè)面，并使用判斷語(yǔ)句，從my_image中獲取文件，將傳輸文件儲(chǔ)存在本地路徑，并返回圖片路徑，用于網(wǎng)頁(yè)展示圖片。1、在app.py中添加額外代碼添加判斷語(yǔ)句和額外界面05在該文件中，使用容器組合元素、可轉(zhuǎn)入submit、可使用方法post等。如果執(zhí)行了函數(shù)后傳入img_path,就會(huì)展示圖片。2、在app.py中添加額外代碼添加判斷語(yǔ)句和額外界面添加html文件標(biāo)簽205

初始代碼解析1網(wǎng)頁(yè)端元素修改、添加3網(wǎng)頁(yè)端部署5任務(wù)實(shí)施判斷語(yǔ)句和額外界面405添加預(yù)測(cè)指示和預(yù)測(cè)結(jié)果，如果有返回預(yù)測(cè)值，就展示圖片和預(yù)測(cè)結(jié)果。1、修改index.html文件網(wǎng)頁(yè)端部署模型05添加額外的依賴包，載入訓(xùn)練好的模型，創(chuàng)建字典，并返回元素。2、app.py中添加額外代碼網(wǎng)頁(yè)端部署模型05輸入項(xiàng)目中h5模型的圖片單個(gè)大小為(224,244)。變量dic的類型為字典，可以使用鍵來(lái)提取里面的信