唯品會深度學習在 App 的實踐和測試應用
點選上方 “ 開發者技術前線 ”, 選擇“星標”
13點21分打卡 就是真愛
張凱通 |唯品會研究院資深開發工程師,
負責深度學習在移動端的應用,以及自動化測試等工作。曾參與"唯品會"、"學霸君"、"imo雲辦公室"等多款千萬級使用者的手機應用開發和架構設
我們在做的事
境外美妝
本次演講內容:
人臉檢測
傳統的人臉檢測
基於深度學習的人臉檢測
識別效率高
當網路的構造設計完成之後,深度神經的網路能夠自發去分類、提取需要使用的特徵,這就大大節省了人工獲取特點以及設計分類裝置的不必要程式。深度神經網路的學習方式使得識別器不會進入到常見的多層次網路,避免區域性選擇。並且深度神經網路在訓練時不需要監督,同時也不需要標籤,節省了標本取樣的時間。在表達複雜函式時,深度神經網路由於不需要過多的神經元,因此,識別效率得到了極大提升。
識別效果好
深度模型通過逐層抽象的方式獲得人臉的高層特徵,具備更強的表達能力,能夠充分發揮大資料的優勢,準確率比傳統方式有著質的飛躍。當調整神經網路權值時,權值就會自動接近最優點,最終獲取一個完美的資料。
Tensorflow
Why Tensorflow?
可用性
靈活性
效率
-
功能強大的視覺化元件TensorBoard
-
相比其他的深度學習框架,文件最全,資源最多
-
部署容易
-
效能、SDK大小、模型大小都滿足移動端App的需求
Tensorflow |
Caffe |
Keras |
CNTK |
mxnet |
|
Github star |
96k |
23k |
28k |
14k |
13k |
Github fork |
61k |
14k |
10k |
3k |
5k |
Owner |
|
BVLC |
fchollet |
Microsoft |
DMLC |
Language |
Python/C++/... |
C++/Python |
Python |
C++ |
Python/C++/... |
iOS Support |
YES |
YES |
YES |
NO |
YES |
Android Support |
YES |
YES |
YES |
NO |
YES |
Update |
Very High |
Very High |
High |
High |
Middle |
移動端部署
-
Tensorflow 的部署
-
從Tensorflow到Tensorflow lite
-
可替換元件化的部署
-
模型/SDK大小的優化
效能優化
人臉檢測
AR繪製
系統佔用
總體時間消耗
測試
功能測試
普通常規功能測試,不再介紹
效能測試
資料對比如下
自動化測試
為什麼要做自動化測試?
-
避免人工測試產生的錯誤
-
記錄每一次測試的原始資料,確保測試結果可以重現,以便追蹤問題
-
提供更多的原始資料進行分析為下一步優化提供更多參考
-
效率提升
測試工具
Farseer
修改
Template Loader 動態引數更新
Macarons
自動化流程測試
效能引數分析
對比歷史
異常測試結論提醒
開發者技術前線 ,彙集技術前線快訊和關注行業趨勢,大廠乾貨,是開發者經歷和成長的優秀指南。
喜歡就點個好看吧!