前言 這是前一陣子要嘗試使用 TensorFlow Serving 的實作，但是過程踩不少坑，許多資料都是基於 Linux，而 Windows 的架設文章，我都無法完全照做，因此紀錄一下自己的過程，給想在 Windows 上練習的人能多一點參考XD。 內容其實是從其他網站參考出來，包括範例程式之類的，但是最重要的是自己實作過程，以及其中躍過的坑，這才是我要記錄的主要原因。 極簡介紹 TensorFlow Serving 顧名思義，就是將我們訓練好的模型，建置一個服務器 (伺服器) 來供用戶使用其功能，這也意味著，將會同時開放給多位用戶，甚至需要同時處理這些用戶的請求，正因如此，如果只是用一般的 …

前言 通常建立資料集都要存出大量圖片出來，為了能有效利用空間，也為了方便移動檔案，因此使用H5DF的格式來壓縮影像。當然也可直接用NumPy的npy、npz檔來製作二進制檔案，或是其他方式，有機會再來嘗試看看，目前看來H5DF應該夠我使用。 程式碼 原本程式是在公司寫的，所以這邊有稍微修改才傳上來，不確定能不能直接複製貼上XD。 寫入 with h5py.File(h5file,'w') as h5f:這行去開啟一個h5檔案，接著所有寫入動作都在with底下完成。 使用h5f.create_dataset這個指令去建立一個資料庫，需要輸入dataset key name、dataset …

人臉資料相關網站收集 NVlabs/ffhq-dataset: Flickr-Faces-HQ Dataset (FFHQ) (github.com) LFW Face Database : Main (umass.edu) WIDER FACE: A Face Detection Benchmark (shuoyang1213.me) Carlos Eduardo Thomaz - Personal Web Page (fei.edu.br)

前言 在公司需要研究人臉辨識的東西，發現蠻多資料都會提到dlib這個套件，查了官網發現這是個C++的library，可用於機器學習、影像辨識、機器視覺等工作，也有提供Python API，感覺可以研究看看，說不定還能藉由它來建立人臉資料庫。 安裝 先用 anaconda 建立環境 conda create -n dlib python=3.6 進入虛擬環境 activate dlib 安裝套件 (除了裝dlib之外，姑且也將其他常用套件一併安裝) pip install dlib pip install opencv-python pip install matplotlib pip …

最近剛口試完，複習一下混淆矩陣的定義 透過混淆矩陣可以計算模型的效能指標，例如 accuracy、precision、recall ……等指標。計算這些指標有助於判斷模型的訓練是否有達到預期，或是訓練過程中即可發現訓練異常，總之就是要用來判斷模型是否可行的判斷依據。 True Positive：正陽性，預測正，實際正。 True Negative：正陰性，預測負，實際負。 False Positive：偽陽性，預測正，實際負。 False Negative：偽陰性，預測負，實際正。 三種指標的定義 Precision：預測正樣本中，實際為正樣本的比例。 Recall：所有正樣本中，真正檢測出正 …