向AI转型的程序员都关注了这个号????????????
机器学习AI算法工程 公众号：datayx
大纲
数据来源
数据来源
对于我们做应用的人而言，最重要的应该就是数据。数据往往是一个算法公司的主要财产之一。那么如何为自己的问题获取对应的数据呢？先说结论：大型公开数据集 > 迁移学习 > 自己标注。
-
Google最近推出的数据集搜索引擎
-
Kaggle 上面的一些比赛也会有一些公开数据
-
Google检索
-
实在没有办法可以自己标注数据，但是这个是成本很大的问题，还有准确度的问题。当然这只是针对小公司而言，对于大公司数据也是壁垒之一。
注意这里我们只将这个数据用来学习使用。
项目代码 获取方式：
关注微信公众号 datayx 然后回复 交通标志 即可获取。
AI项目体验地址 https://loveai.tech
模型训练
这里我们使用Keras框架，Tensorflow作为后端来进行训练，其实对于一般做移动端应用的公司我觉得使用Keras，然后转换到移动端推理框架挺方便的。
我的网络结构:simplenet.py
准备好数据和网络配置文件之后在tran.py训练脚本中传入相应的参数，直接训练便可。
训练100 epochs之后就有0.945-0.95的准确度了，说明我们的模型效果还可以。
训练好模型之后一般需要在真实环境测试一下:测试脚本:
看起来还可以哈
一般很多人的文章调完参数，达到一定的准确度，观察一些测试数据，就不介绍了。然而你有这个模型，如何将它应用到生产环境中还有一段路要走。接下来的部分就介绍如何将训练好的模型移植到移动端，打造一个真正实时可用的App。
模型转换
这一小结介绍如何将模型转换到移动端可用框架。
我们遇到的第一个问题是需要将Keras模型转换到CoreML可用的格式, 这里提供一个转换脚本(版本不同会有接口的变换, 这里是python2, Keras 2.1.6, tensorflow 1.12.0):
正确转换之后我们就得到CoreML下可用的深度学习模型了，剩下的只需要在IOS工程中正确调用便可，稍微有些IOS 开发相关的知识就能完成。这里只是抛砖引玉，要实现其他功能的应用，流程也大致如此。
原文地址 https://www.jianshu.com/p/f5bcb974831e