【原】DIY一个以图搜图引擎1

Mixlab交叉学科 2020-11-07

展开全文

这位用户一定是位机器学习资深玩家！

吉娃娃和小松糕....的故事，大家应该都看过吧，上面这图也是类似的，有很多长得像脸的食物，以至于让我训练的模型都认为是多个人。。

我还找出了不少的小动物们：

喜欢路飞的用户们：

这2用户很配：

这一组，有没有很酷：

美女／帅哥组，这个不方便公布。

“ 插播一则硬广：

免费社群--MixLab微信群

聚集各路跨界能手——有各领域的设计师、程序员、算法专家。也许我们可以一块做点好玩的事情。如需入群可以联系我。 ”

这是怎么实现的？

本次试验采用Apple开源的Turicreate框架，只需简单7 行代码即可实现。我们继续使用Docker作为开发环境，在官网

https://store./

搜索，找到turicreate的镜像。

1 开发环境准备

终端输入：

docker pull tomirving92/turicreate

下载成功后，终端输入：

docker run --name wx_users -it -p 8888:8888 -v /Users/shadow/Documents/02-coding/kerasStudy:/root/kerasStudy  tomirving92/turicreate bash

进入伪终端中，安装jupyter，输入：

python -m pip install --upgrade
pip python -m pip install jupyter

安装vim，终端输入：

apt-get install vim

vim 主要用来浏览和修改文本内容的：

再来一张答题卡：

轻交互的公众号文章：

第一期超简单的AI自测题

第二期喵星人密信

终端输入：

jupyter notebook --generate-config --allow-root

运行成功后显示：

Writing default config to: /root/.jupyter/jupyter_notebook_config.py

终端输入：

vim /root/.jupyter/jupyter_notebook_config.py

编辑文件：

#绑定所有地址
c.NotebookApp.ip='*' 

#启动后是否在浏览器中自动打开
c.NotebookApp.open_browser = False 

#端口
c.NotebookApp.port =8888

保存文件，关于如何编辑与保存，请做完vim答题卡后查阅相关资料。

运行jupyter，终端输入：

jupyter notebook --allow-root

打开浏览器，输入

http://localhost:8888/

把终端显示的token输入页面所示的位置，即可使用notebook。

http://localhost:8888/?token=**********

在root目录下找到我们的项目目录，可根据个人情况自行建立。

root/kerasStudy/05-turicreate-notebooks

新建一个notebook。

2 代码

7 行代码，完成从训练至查询相似图像、生成相似图集合的功能。

# 1 引用turicreate库

import turicreate as tc


# 2 读取用户的头像

ref_data  = tc.image_analysis.load_images('./data/userAvatar/ok')


#3 给每一行编号

ref_data = ref_data.add_row_number()


#4 从ref_data,创建图像相似模型

model = tc.image_similarity.create(ref_data,label=None, feature=None, model='resnet-50', verbose=True)


#5 查询与图像A相似的k个图像，此处ref_data[2:3]表示ref_data里的id为2的图像A，k=10表示查询10张

similar_images = model.query(ref_data[2:3],label=None, k=10, radius=None, verbose=False)


#6 根据图像的相似度，生成相似图集合

similarity_graph = model.similarity_graph(k=20, radius=None, include_self_edges=False, output_type='SGraph', verbose=True)
similar_images = similarity_graph.edges