国产BBAAAAA片,韩国爱情电影在线完整版,在线无码中文字幕一区,无码免费人妻A片AAA毛片西瓜,国产亚洲精品久久777777黑寡妇,农村熟妇高潮精品A片,性做爰1一7伦,成人片黄网站色大片免费毛片,少妇搡BBBB搡BBB搡野外,国产偷人妻精品一区

Swift 兼容性說(shuō)明

本項(xiàng)目目前使用 Swift 3.1 或者 Swift 4.0 工具鏈編譯，可以在macOS / Ubuntu上使用。

編譯運(yùn)行

運(yùn)行以下命令可以運(yùn)行本示例程序并在8080端口創(chuàng)建服務(wù)器：

git clone https://github.com/PerfectExamples/Perfect-TensorFlow-Demo-Vision.git cd Perfect-TensorFlow-Demo-Vision
./install.sh ./.build/debug/PerfectTensorFlowDemo

	
	

		1
	

	

		2
	

	

		3
	

	

		4
	




	
	

		1
	

	

		2
	

	

		3
	

	

		4
	

應(yīng)該能夠看到以下輸出：

[INFO] Starting HTTP server localhost on 0.0.0.0:8080

	
	

		1
	




	
	

		1
	

意味著服務(wù)器已經(jīng)準(zhǔn)備好，請(qǐng)?jiān)L問(wèn) http://localhost:8080/ 查看演示主頁(yè)，您可以如下圖所示上載一個(gè)本地圖片考驗(yàn)計(jì)算機(jī)是否能夠識(shí)別，或者甚至可以用鼠標(biāo)手繪一個(gè)草圖來(lái)測(cè)試計(jì)算機(jī)視覺(jué)識(shí)別能力。下面的例子是上載了一個(gè)信封??的照片，然后服務(wù)器識(shí)別返回給客戶端，用英語(yǔ)問(wèn)這是不是一個(gè)信封，并列出了可能是信封的概率：：

組合鍵control-c可以停止服務(wù)器運(yùn)行。

服務(wù)器API

本項(xiàng)目的目標(biāo)是制作這樣的一個(gè)服務(wù)器，在調(diào)用根目錄/recog函數(shù)API之后，客戶端可以給服務(wù)器用POST表單發(fā)送一張圖片，然后服務(wù)器對(duì)圖像內(nèi)容進(jìn)行識(shí)別，識(shí)別完成之后返回給客戶端一個(gè)json字符串，其中內(nèi)容就是識(shí)別圖像內(nèi)容的結(jié)果；即如果圖像內(nèi)容是一個(gè)鬧鐘?，則回復(fù)字符串{“value”:”clock”}。

簡(jiǎn)介

本樣例代碼使用了一個(gè)預(yù)先訓(xùn)練好的機(jī)器視覺(jué)模型（數(shù)學(xué)家萬(wàn)歲，搞人工神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)家萬(wàn)歲萬(wàn)歲萬(wàn)萬(wàn)歲！）： 
(http://arxiv.org/abs/1512.00567).

您可以將人工神經(jīng)網(wǎng)絡(luò)模型文件加載到一個(gè)Perfect TensorFlow Session對(duì)象，像這樣：

let g = try TF.Graph()
let def = try TF.GraphDef(serializedData: model) try g.import(definition: def)

	
	

		1
	

	

		2
	

	

		3
	




	
	

		1
	

	

		2
	

	

		3
	

連同模型一起下載的還有一個(gè)已知物體的名單（英文）文件：

try fTag.open(.read)
let lines = try fTag.readString()
tags = lines.utf8.split(separator: 10).map { String(describing: $0) }
// 字符串?dāng)?shù)組變量應(yīng)該看起來(lái)像這樣：
// tags = ["dummy", "kit fox", "English setter", "Siberian husky" ...]

	
	

		1
	

	

		2
	

	

		3
	

	

		4
	

	

		5
	




	
	

		1
	

	

		2
	

	

		3
	

	

		4
	

	

		5
	

一旦從客戶端收到圖片后，服務(wù)器會(huì)將圖片內(nèi)容正規(guī)化：

 public func constructAndExecuteGraphToNormalizeImage(_ g: TF.Graph, imageBytes: Data) throws -> TF.Tensor { let H:Int32 = 224 let W:Int32 = 224 let mean:Float = 117 let scale:Float = 1 let input = try g.constant(name: "input2", value: imageBytes) let batch = try g.constant( name: "make_batch", value: Int32(0)) let scale_v = try g.constant(name: "scale", value: scale) let mean_v = try g.constant(name: "mean", value: mean) let size = try g.constantArray(name: "size", value: [H,W]) let jpeg = try g.decodeJpeg(content: input, channels: 3) let cast = try g.cast(value: jpeg, dtype: TF.DataType.dtFloat) let images = try g.expandDims(input: cast, dim: batch) let resizes = try g.resizeBilinear(images: images, size: size) let subbed = try g.sub(x: resizes, y: mean_v) let output = try g.div(x: subbed, y: scale_v) let s = try g.runner().fetch(TF.Operation(output)).run()
    guard s.count > 0 else { throw TF.Panic.INVALID } return s[0]
  }//end normalize

	
	

		1
	

	

		2
	

	

		3
	

	

		4
	

	

		5
	

	

		6
	

	

		7
	

	

		8
	

	

		9
	

	

		10
	

	

		11
	

	

		12
	

	

		13
	

	

		14
	

	

		15
	

	

		16
	

	

		17
	

	

		18
	

	

		19
	

	

		20
	




	
	

		1
	

	

		2
	

	

		3
	

	

		4
	

	

		5
	

	

		6
	

	

		7
	

	

		8
	

	

		9
	

	

		10
	

	

		11
	

	

		12
	

	

		13
	

	

		14
	

	

		15
	

	

		16
	

	

		17
	

	

		18
	

	

		19
	

	

		20
	

然后就可以跑一下TensorFlow的會(huì)話輸出：

let result = try g.runner().feed("input", tensor: image).fetch("output").run()

	
	

		1
	




	
	

		1
	

結(jié)果是一個(gè)概率數(shù)組，其長(zhǎng)度與名單吻合，用于預(yù)測(cè)名單中每一個(gè)對(duì)象可能的概率。因此只要找出數(shù)組中大概率就可以獲得圖像被“識(shí)別”的結(jié)果：

public func match(_ g: TF.Graph, image: Data) throws -> (Int, Int) { let normalized = try constructAndExecuteGraphToNormalizeImage(imageBytes: image) let possibilities = try executeInceptionGraph(image: normalized)
    guard let m = possibilities.max(), let i = possibilities.index(of: m) else { throw TF.Panic.INVALID
    }//end guard return (i, Int(m * 100))
  }

	
	

		1
	

	

		2
	

	

		3
	

	

		4
	

	

		5
	

	

		6
	

	

		7
	

	

		8
	




	
	

		1
	

	

		2
	

	

		3
	

	

		4
	

	

		5
	

	

		6
	

	

		7
	

	

		8
	

后一步就是把概率索引轉(zhuǎn)換為對(duì)象名稱，然后發(fā)給客戶端：

let tag = tags[result.0] let p = result.1 response.setHeader(.contentType, value: "text/json")
        .appendBody(string: "{\"value\": \"Is it a \(tag)? (Possibility: \(p)%)\"}")
        .completed()

	
	

		1
	

	

		2
	

	

		3
	

	

		4
	

	

		5
	

	

		6
	




	
	

		1
	

	

		2
	

	

		3
	

	

		4
	

	

		5
	

	

		6
	

大功告成！就是這樣簡(jiǎn)單！

當(dāng)然，如果您仍然覺(jué)得服務(wù)器配置和部署比較麻煩，那么請(qǐng)?jiān)L問(wèn)Perfect官網(wǎng)perfect.org，下載Perfect Assistant 2.0 ，即軟件助手2.0版本，即可實(shí)現(xiàn)Swift函數(shù)庫(kù)和預(yù)裝人工智能服務(wù)器整體打包管理、編譯、部署一條龍，目前支持亞馬遜彈性計(jì)算和谷歌應(yīng)用引擎，還將陸續(xù)增加更多服務(wù)器部署方案選擇，這樣您就可以隨時(shí)改進(jìn)自己的程序應(yīng)用，逐步增加人工智能和神經(jīng)網(wǎng)絡(luò)、以及機(jī)器深度學(xué)習(xí)的新功能啦！