竹子林附近网站建设,网页设计站点建设实验报告,点评网页设计作业,网站宣传页面机器学习是一种人工智能领域的技术和方法#xff0c;旨在让计算机系统能够从数据中学习和改进#xff0c;而无需显式地进行编程。它涉及构建和训练模型#xff0c;使其能够自动从数据中提取规律、进行预测或做出决策。
我对于机器学习这方面的了解可以说是一片空白#xf…机器学习是一种人工智能领域的技术和方法旨在让计算机系统能够从数据中学习和改进而无需显式地进行编程。它涉及构建和训练模型使其能够自动从数据中提取规律、进行预测或做出决策。
我对于机器学习这方面的了解可以说是一片空白既不懂机器学习也不懂 python更不懂算法。
像我这样的人在短时间内精通机器学习是不可能的。
那么现在我可以通过哪些渠道来快速了解机器学习呢或者说玩一玩
答案就是通过 Gorilla 这个开源项目来实现机器学习。
Gorilla 简介使用
Gorilla 是一个基于 LLM 实现的对话模型可以接收用户提供的需求然后给出能够实现需求的机器学习模型 API目前支持的开源模型 API 来源包含Hugging Face、Torch、and TensorFlow.
我们可以在 Google 的 Colab 上面运行 Gorilla也可以在本地运行 Gorilla。
这里我使用 Colab 来运行 Gorilla。
Gorilla 提供了两个案例一个是翻译的案例一个是图像识别的案例。
这里我选用了图像识别的案例点击运行。 从图中可以看出我们给出的需求是 构建一个可以识别图片中的物体的机器人使用的模型来源是 Hugging Face。
它的回答是
步骤
引入 PIL 和 transformers 相关依赖, 其中包含的 DetrForObjectDetection 可用于图像识别。使用 from_pretrained 方法加载模型模型可以用来识别图片中的物体。从远端下载图片然后使用 PIL 处理图片。使用模型识别图片中的物体然后将识别结果返回。
最后它给出了一段代码我们可以直接复制到本地文件中运行。
运行之前需要保证本地具备 python3 工作环境同时需要使用 pip 将代码中使用到的依赖进行安装。
我在简单尝试后发现这段代码是无法运行的这也是大多数 LLM 模型的通病看起来很专业的答案但是实际代码是无法运行的。
Hugging Face 模型
不过整体代码逻辑我看了一眼是可以理解的那么我们可以自己动手来实现这个需求。
首先在网上找到 Hugging Face在里面发现了很多模型这里我选择了最多下载的模型 —— 识别车牌。如下图 点进去可以看到功能介绍及示例代码。如下图 我把代码放到本地下载相关依赖后同时准备了下面这张待处理的图片。
import yolov5# load model
model yolov5.load(keremberke/yolov5m-license-plate)# set model parameters
model.conf 0.25 # NMS confidence threshold
model.iou 0.45 # NMS IoU threshold
model.agnostic False # NMS class-agnostic
model.multi_label False # NMS multiple labels per box
model.max_det 1000 # maximum number of detections per image# set image
img example.jpg# perform inference
results model(img, size640)# inference with test time augmentation
results model(img, augmentTrue)# parse results
predictions results.pred[0]
boxes predictions[:, :4] # x1, y1, x2, y2
scores predictions[:, 4]
categories predictions[:, 5]# show detection bounding boxes on image
results.show()# save results into results/ folder
results.save(save_dirresults/)使用 py 命令运行代码后我得到了处理后的图片。如下图 它成功的将图片中清晰可见的车牌扫描出来了结果是 2 个。
对于完全没了解过相关知识的我能做到这一步我还是觉得有些意外的。
我又尝试了一下 Hugging Face 上的其他免费模型都挺有意思的大家感兴趣的可以自己去尝试一下。
小结
Gorilla 目前提供给我的代码并没有帮助我写出一个可用的项目。
但是它所提供的思路和方向是正确的并且相关的模型也是可以使用的。
作为 0 基础选手通过 Gorilla确实可以快速的了解到机器学习的相关知识同时也可以快速的实现一个机器学习的项目。
下面附上一些相关资料包含 Gorilla 教程
Gorilla 官方地址
Gorilla Colab
Hugging Face 模型
最后一件事
如果您已经看到这里了希望您还是点个赞再走吧~
您的点赞是对作者的最大鼓励也可以让更多人看到本篇文章
如果觉得本文对您有帮助请帮忙在 github 上点亮 star 鼓励一下吧
