分类： 实战

tensorboard快速上手，tensorboard可视化普及贴（代码基于tensorflow1.2以上）

有太多小伙伴问David 9关于Tensorboard的入门了，

我们都知道tensorflow训练一般分两步走：第一步构建流图graph，第二步让流图真正“流”起来（即进行流图训练）。

tensorboard会对这两步都进行跟踪，启动这种跟踪你必须先初始化一个tensorflow的log文件writer对象：

writer = tf.train.SummaryWriter(logs_path, graph=tf.get_default_graph())

然后启动tensorboard服务：

[root@c031 mnist]# tensorboard --logdir=/tmp/mnist/2
TensorBoard 1.5.1 at http://c031:6006 (Press CTRL+C to quit)

即可看到你定义的流图：

GRAPHS中的每个方框代表tensorflow代码中的scope作用域，比如上图就定义了7个作用域：train,  cross_entropy,  Accuracy,  softmax,  input,  weights,  biases. 每个作用域下都可能有一些Variable或者计算操作的Tensor，可以对方框双击鼠标放大：

上图可见，input的scope下有两个placeholder：x-input和y-input. 继续阅读tensorboard快速上手，tensorboard可视化普及贴（代码基于tensorflow1.2以上）

做机器学习，再别把IoU，ROI 和 ROC，AUC 搞混了 ！聊聊目标检测，医疗领域的那些评价函数

涉及领域不多的机器学习爱好者经常会把IoU，ROI 和 ROC，AUC 这样的评价函数（Metric functions）搞混。其实记住它们也没那么难，David 9今天就来帮大家理一理：

1. IoU (Intersection over Union)，交集并集比

2. ROI (region of interest) , 感兴趣区域

3. ROC (Receiver Operating Characteristic curve) 受试者工作特征曲线

4. AUC (Area Under the Curve) ， 曲线下区域

首先要区分，前两个是目标检测领域的术语；后两个是从医疗领域引进的，但是所有机器学习准确率都可能用到该指标。

最容易理解的是第2个ROI，我们做任何目标检测在准备数据集时都要选择感兴趣区域, 我们之前的文章也提到过：

labelImg 就是一个不错的标注工具。帮助你选择目标检测的感兴趣框。是的这不是一个评价函数，是一个概念而已。 继续阅读做机器学习，再别把IoU，ROI 和 ROC，AUC 搞混了 ！聊聊目标检测，医疗领域的那些评价函数

OpenFace手把手入门之 — 快速训练一个人脸识别模型，比一比你像哪个明星，亲测可用，python torch lua

OpenFace是一款优秀的开源深度学习人脸识别库。如果你熟悉torch，python或者lua，这款丰富的人脸识别库更是一款不可多得的工具。

今天David 9 就带大家手把手训练一个人脸识别模型，测试一下你像哪个明星？

1.  下载openface的docker镜像，免去你配置openface的过程：

docker pull bamos/openface

2. 跑这个docker镜像，进入项目目录：

docker run -v /Users:/host/Users -p 9000:9000 -p 8000:8000 -t -i bamos/openface /bin/bash
cd /root/openface

注意 -v /Users:/host/Users 这个参数是必要的。因为docker中的openface项目还没有训练数据集，把你本地的/Users目录挂载到docker镜像中的/host/Users目录，可以方便你复制一些用于训练的图片数据集。 继续阅读OpenFace手把手入门之 — 快速训练一个人脸识别模型，比一比你像哪个明星，亲测可用，python torch lua