現在每家人家里都養了貓的，這個貓不是抓老鼠的，而是用來暢游互聯網的，有的家養的普通的ADSL電話線貓，有的家庭呢，養的就是高大上的光纖貓。但是這兩只貓呢愛生病，一生病它就不工作了，不去互聯網上抓老鼠來給我們用了，怎么診斷它的病癥對癥下藥呢？
先來說下這個長相普通，名也叫普通的貓，它這上面有幾個英文名字（還蠻洋氣的哈）“POWER”這個指示燈呢是電源指示燈，這個燈要是都不亮了，那就不通電，不是插頭沒插好就是電源壞了，當然不排除貓自己不吃飯了（貓本身壞）“LINK”和“ACT”燈有兩個，ADSL這邊的兩個說明進線情況，這兩燈有問題除了自己家電話進線被老鼠咬斷或者沒插外那就只有找運營商檢查線路了。這個ACT燈常亮了，那就可以撥號開始上網了。后面這個LAN處就代表你貓和電腦或者和路由器的連接情況了，這里的ACT其實就是DATA數據燈，我們在上網的時候這個燈是不停的閃爍的。
下面我們來說下高大上的光纖貓吧，光纖貓比較好懂，因為上面寫的是中文，廠家終于人性化了，沒有像大部分完全銷售國內的產品都只有英文那樣了。
首先光信號燈不亮那就直接找運營商，就是只是自己家線的問題我們也沒辦法，這需要光纖熔接機的，我們自己就算接好光信號也衰減到上不了網了，其他的就一看就懂了，ITV就是插運營商給我們的電視機頂盒看電視用的。網口1.3.4就是隨便接電腦用了。語音當然是接座機電話的，現在家用座機電話的已經很少了。
些年，人工智能，機器學習這些詞匯一直處于互聯網行業的風口浪尖。而它和傳統互聯網行業的主要區別就在于“智能”，“學習”這兩個關鍵詞，何謂“機器學習”，最直白的解釋：讓機器具有學習能力。而再深層次一些：讓機器不再按照簡單的邏輯代碼去簡單粗暴的執行既定的程序，讓機器通過學習，能主動的從“經驗”中學習到知識，具備一定的分辨能力或者預測能力。打個比方，就像是新生嬰兒從一無所知慢慢的對這個世界增加認知，明白哪一只是叫做“狗”，哪一只叫做“貓”。
本文以區分貓和狗為例，盡量以簡單明了的語言來闡述機器學習的工作模式以及基本原理，內容較為基礎，適合未入行者食用希望能夠對各位讀者有所幫助。
基于數據
現階段的機器學習是基于統計學的機器學習，統計學想必無需多做解釋，那基于統計學的機器學習，顧名思義，是以統計學原理為基礎，而統計是基于數據的，所以當前機器學習，同樣需要數據支持，大家可以回想一下，小時候，媽媽是如何教我們認識這個世界的，在我們還咿呀學語的時候，家里大多都會有一些識字板，媽媽會指著上邊告訴我們，那個是貓，這個是狗，而不能直接告訴我們一個具體、標準的概念，只能通過大量的圖片，給出我們指示，讓我們通過“經驗”來一點點做到能準確區分，機器學習同樣如此，同樣是從大量的數據中獲取經驗，進而能夠通過這些經驗獨立的識別出哪張圖是貓，哪張圖是狗。
機器學習任務的種類
說到這個例子，咱們不得不提一下機器學習任務的種類，這種讓程序或者機器區分事物種類的任務被稱作分類，除此之外，機器學習任務還有回歸，聚類，降維等，這些具體的區分和概念會在咱們的課程和資料里細致講解。
任務流程
在這里咱們從整體步驟的角度給大家分享一下機器學習項目的一個常規流程。
1. 收集數據
之前也講了基于統計的機器學習是基于數據的，數據是機器獲取“經驗”的來源所以，開始一個機器學習項目的第一步，毫無疑問，就是收集數據，拿咱們的區分貓狗項目來舉例，就像咱們小時候一樣，同樣要為計算機準備大量的貓和狗的圖片，再做上標記，標識出每一張圖上的分別是什么，是貓還是狗，這些圖片就叫做數據集，很容易理解的，數據集越大，數據種類越多樣化，機器獲得的“經驗”就越準確，對貓和狗的認知就越精準。如下圖所示，是一些各種角度各種種類的貓與狗的圖片。
▲如上圖，數據集的圖片都是以數字編號命名，還會有一個文件，存放這些圖片的標簽，表明第幾個是貓第幾個是狗，類似索引數組的形式，以此來訓練咱們的機器學習模型。
2. 特征工程
第一種：
這里咱們先選用簡單基礎的機器學習算法來實現貓狗分類，不考慮深度學習，所以這里咱們需要進行特征工程，選取合適的特征，并從圖片中提取出來，考慮一下你自己是如何區分貓和狗的圖片的。什么特征是他們最明顯的區別？跟種類無關，跟你可能會用毛色、體型、耳朵或鼻子的形狀，臉部五官的比例，或者這些特征的組合來區分它們。換句話說，你不會只是簡單地將圖片當成許多小像素塊的集合，而是會從這些圖中找出細節或者特征來確定你看到的是什么。對于計算機而言也是如此。為了成功地訓練計算機完成此項任務（或者任何更一般的機器學習任務），我們需要給它提供設計合理的特征，或者更理想情況下，讓它自己找到這樣的特征。
所以這就是特征工程的意義，讓機器能夠有目標的去學習，相當于劃了重點，能夠專注在這些特征工程選出來的“可能”更有意義的特征上面。
第二種：
其實圖片的識別分類，目前做的最好的還是深度學習，它相對來說更復雜，但是與人的學習過程更加相符，它的過程就更符合咱們之前說的，像小孩識字一樣，可以直接將圖片喂給模型，通過一層層隱藏層，它就能夠提取出一些“不可描述”的特征，以完成對貓狗的分類工作，為什么是“不可描述”呢？可以聯想一下自己，問一下自己，你是如何區分貓狗的？能說出一個標準定義嘛，很明顯不能，這也叫可解釋性，那“不可描述”，就是可解釋性差，而可解釋性差，其實就意味著邏輯更加復雜，復雜到很難理解，很難表達，所以，同樣的，他的準確率也會更高。所以，如果使用神經網絡，那其實是不需要特征工程這一步的，但同樣的，它在構造算法，搭建模型上的復雜度也是更高的。
3. 訓練模型
因為考慮深度學習更加復雜，需要有一定的機器學習作為基礎才能理解，所以之后的分享咱們就以傳統機器學習算法來說。那現在我們有了訓練數據集合適的特征表示，那么教計算機區分貓和狗的最后一步就可歸為一個簡單的幾何問題：說起來很像大家高中或大學數學學過的解方程。先選擇算法，選擇使用什么算法來解決這個問題，邏輯回歸？還是決策樹？其實這就是選擇方程的一個過程，比如線性回歸，那函數就是一個多元一次函數，訓練模型的過程就是把訓練集帶入，去求解截距b和斜率k的的一個過程，就是一個多元一次方程組，而不同的算法，最終分類的效果也有很大區別，不同的算法適用于不同的場景，所以，要根據任務的具體情況去選擇不同的算法。此處咱們以線性回歸為例舉例說明。
直線（在二維空間中）有斜率和截距兩個參數，這意味著要為這兩個參數找到正確的值。直線的參數必須根據訓練數據（的特征表示）來確定。確定參數的過程依賴于一組名為數值優化的工具，此過程被稱作模型的訓練。
下圖是一個使用了12張圖片作為訓練集得出的線性模型，可以看到它很好的將6只貓和6只狗劃分到了不同的區域。然后在使用這個模型去做分類時，它就會讀入所給圖片的特征數據，將這些數據代入，最終結果落在紅色區域，那就會被判斷為狗，落在藍色區域，會被判斷為貓。
▲但是很明顯，訓練集很稀疏，所以這個模型的效果注定不會很好，可以想象的是，一旦訓練集更多，那貓與狗的邊界也會越來越復雜，越難以尋找，直線將無法很好的區分貓與狗，所以，在具體的業務場景需要具體分析，選取不同的算法模型。
4. 測試與評估
在得出了模型之后，咱們需要對模型的性能進行測試和評價，看模型的準確率或者其他指標是否達到要求，為了測試我們的模型性能，我們給計算機提供一些以前沒有見過的貓和狗的圖片（一般稱為數據的測試集），然后將這些數據依次帶入咱們的模型，將模型的結果與其真實的結果（是貓還是狗）做對比，得出準確率，召回率等幾個指標，這就是模型的測試與評估了。
5. 模型調優
這也是咱們構建模型的最后一步了，那就是根據得到的評估指標來進行調整，根據業務需要，對模型進行調整，通過調整各個特征權重，或者增加減少參數等等手段來使得模型更加符合咱們的業務要求。
經典機器學習問題的流程
文章的最后我們簡要回顧一下前面描述的過程，通過該過程，我們建立了一個訓練模型，用于完成區分貓和狗的任務。同樣的過程基本上可用于完成所有的機器學習任務，因此很值得我們花一些時間來回顧解決典型機器學習問題所采取的步驟。
▲這張圖直觀的描述了貓和狗分類問題的學習流程，相同的一般化流程基本上可用于所有的機器學習問題。
確定任務：計算機通過模型需要完成什么任務？
收集數據：為訓練集和測試集收集數據。數據越大、越多樣越好。
特征工程：什么樣的特征最能描述數據？
訓練模型：用數值優化技術在訓練集上調整恰當模型的參數。
測試模型：評估訓練模型在測試數據上的性能。如果評估結果不佳，則重新考慮所使用的特征，并盡可能收集更多的數據。
片來自網絡，如侵權，煩請聯系刪除！
小貓、小狗等寵物走失，總是讓主人很難過。怎樣才能以最快的速度找到這些心愛的寵物呢？據了解，除了夜視儀、生命探測儀、熱成像儀、聲吶探測儀等高科技裝備外，視頻搜索軟件也被派上了尋找寵物的用場。
通過查看監控視頻，人們可以發現寵物的身影，鎖定寵物出現的位置。但是如果按照以往的一點點盯著看視頻去查找寵物蹤跡，那么，想要找到心愛的寵物那時間上就太滯后了，寵物也早就不知蹤影了。是否能通過軟件，快速查看監控視頻，搜索出小寵物的身影呢？有的，浮云視頻搜索軟件就可以實現了。
近日，浮云視頻搜索軟件升級啦！在搜索所有人、指定人臉、人形的基礎上，其功能進一步擴展，像汽車、公交車、卡車、摩托車和自行車這些種類交通工具，狗、貓、羊、牛和馬這些種類的小動物的搜索功能都能已經上線了。
點擊左側“所有車輛畫面”，
選擇檢測對象：汽車、公交車、卡車、摩托車、自行車
點擊左側“所有動物畫面”，
選擇檢測對象：狗、貓、牛、羊、馬
“搜索功能的拓展，能在搜索丟失車輛、小動物時提供更多幫助。”浮云軟件工作人員表示，“這一重大升級，也意味著浮云視頻搜索軟件的搜索功能更趨完善，技術更為成熟，未來搜索范圍還將進一步擴大，像背包、筆記本電腦、雨傘、滑雪板等都能進行搜索識別。此外，在計數統計方面，浮云視頻搜索軟件也已經有突破性進展。”
值得注意的是，目前浮云視頻搜索軟件的部分功能是可以免費體驗的，其使用的便利性、搜索準確性等待您的檢驗！