AI - Tips

01 - 10

01- Playground

http://playground.tensorflow.org

TensorFlow的网页工具Playground提供了几种简单类型的data，可以调节网络结构、学习率、激活函数、正则项等参数，非常直观地看到每个神经元和相关输出的变化，体会到简化的深度学习模型调参的过程。

注意：Playground每次重置后都将采用新的训练数据和测试数据，因此每次运行Playground的结果也就不同。

02- ConvNetJS

https://cs.stanford.edu/people/karpathy/convnetjs/

ConvNetJS将一些经典数据集（如Mnist和Cifar-10）每层网络的输出可视化出来，帮助理解不同网络做了什么事情。

03- 深度学习框架

Keras是一个模型级（model-level）的库，可以将TensorFlow、Theano、CNTK等进一步封装（作为后端引擎），因为高度封装，所以使用起来相对简单。

如果不想花太多时间在框架上，但又想去实现一个神经网络模型的话，建议去学习Keras。

04- 速查表

• 27 个机器学习、数学、Python 速查表
• 这可能是AI、机器学习和大数据领域覆盖最全的一份速查表

05- 使用Linux平台进行深度学习

如果要做深度学习，Linux还是首选，因为其对很多学习模型支持比较好（主要是深度学习的Library）。

如果使用的是Windows系统，可以使用虚拟机来安装Ubuntu来进行学习。

小型的深度学习模型足够了，大型的深度学习我们很少在本地/个人计算机上运行。

06- 机器学习在实际应用中避免缺陷的几个关注点

1 - 仔细考虑如何拆分样本：了解数据代表的含义，才能有效的进行数据拆分。

2 - 避免 “标签泄漏” （一些训练标签泄漏到特征中，使模型带有欺骗性）。

3 - 一些有效的机器学习准则

• 确保第一个模型简单易用
• 着重确保数据管道的正确性
• 使用简单且可观察的指标进行训练和评估
• 拥有并监控您的输入特征
• 将您的模型配置视为代码：进行审核并记录在案
• 记下所有实验的结果，尤其是“失败”的结果

10- LaTex数学公式

LaTex 是一种基于 TeX 的排版系统，适用于生成复杂的表格、公式、化学方程式等。

List of LaTeX symbols：http://latex.wikia.com/wiki/List_of_LaTeX_symbols

在线生成和验证数学公式（LaTex）

• LaTex Practice Box：http://www.forkosh.com/mathtextutorial.html
• LaTex Editor：https://codecogs.com/latex/eqneditor.php
• Latex Equation Editor：https://www.numberempire.com/latexequationeditor.php

11 - 20

11- 在cnblogs博客中插入LaTex数学公式

1- 登录博客--》管理--》选项--》勾选“启用数学公式支持”--》保存。

2- 登录博客--》设置 --》页首Html代码，添加内容<script type="text/javascript" src="http://common.cnblogs.com/script/ASCIIMathML.js"></script>--》保存。

3- 可以在博客中直接使用latex语法公式（公式必须以$作为开头和结尾）。

注意：步骤2的添加内容也可以是<script src="http://latex.codecogs.com/latex.js" type="text/javascript"></script>。

12- Kaggle

http://www.kaggle.com/

对于机器学习的初学者，可以将Kaggle当做一个低成本的应用机器学习的机会，目的在于参与与体验，了解大神的经验和看法、如何将技能落在实处。

国内类似的平台有天池大数据竞赛（https://tianchi.aliyun.com/）和DataCastle（http://www.pkbigdata.com/）。

13- 问题处理：Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

问题描述：运行ensorFlow（CPU版本）代码时报如下错误。

2019-01-10 17:18:22.458207: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

问题处理：

方法1：在代码中加入如下代码，忽略警告。

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

方法2：换成支持cpu用AVX2编译的TensorFlow版本从而彻底解决此问题。

参考信息：

• https://blog.csdn.net/hq86937375/article/details/79696023
• https://blog.csdn.net/z564359805/article/details/81873350

14- 关于算法

算法是机器学习的核心。一般意义上的“学习‘机器学习’”，也是从算法开始。

机器学习领域十分繁杂，根本不可能真正深入理解几十种不同的算法。

应该了解一些基础的算法，比如：朴素贝叶斯、支持向量机、感知器、决策树等。

但请专注于那些有发展潜力的架构，比如：神经网络、强化学习等。

仅从使用角度而言，掌握算法，大致可分为如下由浅入深的几步：

简单使用：了解某个算法基本原理，应用领域，功能和局限。

• 该算法的应用问题域是什么？
• 该算法的应用目标是什么？
• 该算法适合应用在怎样的数据集，它能对数据造成怎样的影响？
• 能够主动获取该算法的函数库，调用该算法生成模型。

算法优化：对所采用算法和对应模型的数学公式有所了解。

• 知道调用函数中各个参数的意义，能够通过调节这些参数达到优化结果的目的。
• 能够通过加约束条件来优化算法。
• 了解在当前问题域，目标和输入数据确定的情况下，还可以用哪些其他模型可替换现有模型，并进行尝试。
• 能够将多个弱模型加权组成强模型。

运行效率优化：对模型本身的数学推导过程和模型最优化方法有所掌握，对于各种最优化方法的特点、资源占用及消耗情况有所了解。

• 了解算法在当前数据集上的运行效率。
• 了解在其他语言、平台、框架的工具包中有否同等或近似功能但在当前应用场景下效率更高的算法。
• 能够针对具体场景，通过转换模型的最优化方法（optimizer）来改进运行效率。

丰富的数据胜过聪明的算法

在计算机科学中，通常情况下，两个主要的资源限制是时间和内存。但在机器学习中，还有第三个约束：训练数据。

根据经验，在“时间受限”的情景下，具有大量数据的傻瓜算法往往胜过一个具有适度数量的聪明算法。

复杂的学习器虽然很吸引人，但通常耗时并且很难使用。

通常，首先尝试最简单的学习器（例如，逻辑回归前的朴素贝叶斯，支持向量机之前的邻近算法）。

15- Scikit-Learn_algorithm_cheat-sheet

https://scikit-learn.org/stable/_static/ml_map.png

16- 模型的保存与恢复

• 保存和恢复 - TensorFlow：https://www.tensorflow.org/guide/saved_model?hl=zh-cn
• 保存和恢复模型 - tf.keras：https://www.tensorflow.org/tutorials/keras/save_and_restore_models?hl=zh-cn
• 在Eager中保存 - 基于对象的保存：https://www.tensorflow.org/guide/eager?hl=zh-cn#object_based_saving

17- 迁移TensorFlow1.x到TensorFlow2.0

一行代码迁移 TensorFlow 1.x 到 TensorFlow 2.0：https://www.infoq.cn/article/6KPET-j2caEbfS79wVWg

18 - Kubeflow

• https://www.kubeflow.org/
• 利用开源的Kubeflow可以搭建一个麻雀虽小五脏俱全的机器学习平台。利用这一平台对模型进行训练。
• 轻松扩展你的机器学习能力-Kubeflow：https://my.oschina.net/taogang/blog/2052152
• 基于 Kubeflow 的机器学习调度平台落地实战：https://www.infoq.cn/article/k4uLIMaNccimGfuQk_cd

19 - 机器学习学到多深够用？

原文链接 - 机器学习学到多深够用？

作为程序员、工程人员（算法使用者而非研究者），想用机器学习算法解决实际问题，至少要在三个维度上达到一定深度的掌握：算法、数据和验证。

算法

算法是机器学习的核心。一般意义上的“学习‘机器学习’”，也是从算法开始。

仅从使用角度而言，掌握算法，大致可分为如下由浅入深的几步：

简单使用：了解某个算法基本原理，应用领域，功能和局限。

• 该算法的应用问题域是什么？
• 该算法的应用目标是什么？
• 该算法适合应用在怎样的数据集，它能对数据造成怎样的影响？
• 能够主动获取该算法的函数库，调用该算法生成模型。

算法优化：对所采用算法和对应模型的数学公式有所了解。

• 知道调用函数中各个参数的意义，能够通过调节这些参数达到优化结果的目的。
• 能够通过加约束条件来优化算法。
• 了解在当前问题域，目标和输入数据确定的情况下，还可以用哪些其他模型可替换现有模型，并进行尝试。
• 能够将多个弱模型加权组成强模型。

运行效率优化：对模型本身的数学推导过程和模型最优化方法有所掌握，对于各种最优化方法的特点、资源占用及消耗情况有所了解。

• 了解算法在当前数据集上的运行效率。
• 了解在其他语言、平台、框架的工具包中有否同等或近似功能但在当前应用场景下效率更高的算法。
• 能够针对具体场景，通过转换模型的最优化方法（optimizer）来改进运行效率。

数据

仅仅只有算法，并不能解决问题。算法和数据结合，才能获得有效的模型。

对于数据，需要从“具有业务含义的信息”和“用于运算的数字”这两个角度来对其进行理解和掌握。

特征选取：从业务角度区分输入数据包含的特征，并认识到这些特征对结果的贡献。

• 对数据本身和其对应的业务领域有所了解。
• 能够根据需要标注数据。
• 知道如何从全集中通过划分特征子集、加减特征等方法选取有效特征集。

向量空间模型（VSM）构建：了解如何将自然语言、图片等人类日常使用的信息转化成算法可以运算的数据。

• 能够把文字、语音、图像等输入转化成算法所需输入格式（一般为实数空间的矩阵或向量）。
• 能够根据信息熵等指标选取有效特征。

数据处理：运用统计学方法处理输入数据。

• 能够对数据进行归一化（normalization）， 正则化（regularization）等标准化操作。
• 能够采用bootstrap等采样方法处理有限的训练/测试数据，以达到更好的运算效果。

验证

算法+数据就能够得到模型。但是这个模型的质量如何？这个模型和那个模型比较，哪个更适合解决当前问题？在做了如此这般的优化之后得出了一个新的模型，怎么能够确认它比旧的模型好？

为了解答这些问题，就需要掌握度量模型质量的方法。

• 了解bias，overfitting等基本概念，及针对这些情况的基本改进方法。
• 了解各种模型度量指标的计算方法和含义，及其对模型质量的影响。
• 能够构建训练集、测试集，并进行交叉验证。
• 能够运用多种不同的验证方法来适应不同的数据集。

注意

上面所说的全部都是针对基于统计的机器学习算法而言的（典型算法包括：线性回归，逻辑回归，朴素贝叶斯法、决策树、支持向量机、隐马尔可夫模型、条件随机场等等）。

当前比机器学习更热的深度学习（Deep Learning），玩法很不相同。

CNN, DNN, RNN, LSTM等一众神经网络，淡化甚至省略了特征筛选的部分，对标注数据量和运算能力的要求却极大。

在数据量不足的情况下，深度学习效果甚至还不如一般的统计学习方法。而如果运算能力不足，则可能导致不可容忍的训练时间。

而且相对于统计学习方法而言，深度学习的理论性相对不够成熟，试验的成分很高，许多方法还在探索之中。

因此，现阶段，人工智能领域的普通工程开发者（程序员），更有可能应用到的是没那么酷的基于统计的机器学习算法，而非深度学习。

20 - 机器学习项目流程举例

从业务流程来看，机器学习项目基本就是了解业务需求 ->调研业界方案 -> 查看是否适用 -> 上线效果。

小型NLP项目流程举例：