用Python构建深度学习应用( 二 ) _Python

文章插图

第三步：从Github(https://github.com/IndicoDataSolutions/SuperCell）下载Repository 。解压并进入“matching clothes”目录
第四步：在main.py文件中加入如下代码。记住将YOUR_API_KEY替换成在第一步中获取的你自己的KEY

文章插图

在末尾将 ‘if __name__ == “__main__”'替换成如下代码

文章插图

输入以下命令运行代码

文章插图

你将会得到如下输出：

文章插图

这段输出表示上面例子中匹配的概率。
2 深度学习的开源应用
2.1 使用深度学习进行音乐制作
音乐制作是深度学习最酷的应用之一。下面这个应用如果能运用得当的话，将带来突破性的发展。
和自然中的其他事物一样，音乐是和谐的。音乐具备一种我们能捕捉和理解的模式。而这些音乐模式对计算机来说是可以学习的，并能被用来产生新的音乐旋律。这就是音乐制作背后的原理。
This open source application（https://deepjazz.io/）就是基于这一点建立的。下面是它所产生的音乐的一个例子。

文章插图

访问网站听听音乐效果（https://soundcloud.com/deepjazz-ai/deepjazz-on-metheny-128-epochs）
现在让我们来复制这个结果吧！
系统需求：
1.Python (2 或 3)
第一步：安装关联软件
首先安装Theano，注意必须安装最新版的Theano, 可以在here（http://deeplearning.net/software/theano/install.html#bleeding-edge-install-instructions）找到安装指南。
然后用以下命令安装Keras：

文章插图

然后按照here（https://keras.io/backend/）提供的指南，把Keras的后端从tensorflow 变成Theano 。
最后一个关联软件是Music21 。参照this（http://web.mit.edu/music21/doc/installing/index.html）链接进行安装。
第二步：运行以下命令生成音乐

文章插图

2.2 检测“办公室不宜（Not Safe For Work）”图像
虽然审查制度是个颇具争议的话题，但是它仍然是为浏览者过滤出带有攻击性的成人内容的重要组成部分。以下应用主要聚焦于过滤出NFSW类型的内容和辨认色情图像方面。系统返回的分数能表示NFSW的倾向性，从而过滤出在一定阈值之上的图像。
下面是三张预测图像和系统给出的NFSW分数。

文章插图

让我们来看看如何建立这样一个应用。
系统需求：
1.Python 2
第一步：在系统中安装Docker（https://docs.docker.com/engine/installation/）并且用以下命令建立一个图像

文章插图

第二步：从Github下载repository并且解压（https://github.com/yahoo/open_nsfw）
第三步：在你的下载目录下运行以下命令。给出你要分析的图像路径

文章插图

2.3 超级分辨率
我们经常在电影中看到这样的镜头：放大图像后看到了最精细的细节，然后据此抓住了罪犯或者找到关键证据。
但事实并非如此，当你放大图像时，图像往往是变得模糊不清。为了处理这个问题（使梦想变为现实），我们可以使用深度学习来提高图像分辨率，帮助我们得到清晰的放大效果。
下面这个应用就是以上场景的实现，这里有一个输出的例子。