背景描述
在AI大行其道的今天，你是不是也很好奇它是怎么应用的？比如，你拍一张照片，上传到App，它就能自动识别出照片中的物体，这是一只猫，还是一只狗。这里就用到了计算机视觉里，最简单的图像分类技术。
图像分类，换成容易理解的词语，就是图像识别。比如识别图像里是否有一个人，还是有一辆车，还是一个动物什么的。前几年在CV界有一项著名的图像分类挑战赛，由Image-Net组织，每年产生的模型，在分类准确率上不断提升。如下图所示：
在top 1准确率上，最新的Inception-v4已高达80分。也就是说，在数千个分类里，你随机上传一张狗的照片，App有80%的把握确认这就是一只狗。详细的技术对比分析，有兴趣的话，请阅读此论文。
上述图里的各种Net（深度神经网络），对不熟悉的人来说，是很难上手应用的。前几天我看到一篇新闻，百度公司推出一个神器，叫easyDL，轻松的解决了图像分类模型的落地问题。
如果你仔细阅读这篇新闻，就会发现easyDL背后关键的技术是自动模型搜索与迁移学习。所谓自动模型搜索，是指自动搜索多个经典的分类模型和它的超参数，并同时训练，从结果里挑选最好的一个模型。所谓迁移学习，是指各种基础模型在已有的大规模数据集上进行预训练，并将从中学习到的知识（Knowledge）运用到用户提交的小规模训练数据集上，从而实现出色的模型效果和快速的模型训练。
有了这两项技术，用户实际不用关心分类背后跑的什么模型，什么ResNet、Inception你完全可以不用管了。你只要明确自己目标就好，比如我要识别上传图片里的动物，是猫还是狗，这就是一个二分类的问题。
数据准备
虽然不用管模型，但训练数据还是要准备的。有了迁移学习，你不用准备非常完整的训练数据集。世界上的猫狗可能有几千种，我们不可能收集那么全。在迁移学习的帮助下，每类准备几十张样本就可以了。
训练数据按一定的目录进行组织，是这种结构：
分类1、分类2是两个子目录，代表分类的标准，子目录下面就是各分类的样本图片。
还是以猫狗分类为例，分类1的目录名就是dogs（代表狗，不能是中文目录），分类2的目录名就是cats（代表猫，同样不能是中文）。dogs下面放的是狗的图片，cats下面放的是猫的图片。然后把这2个目录，打包成一个压缩文件，这就是easyDL要的训练文件。
为了方便大家测试，我在本博上传这个训练文件，在dogs和cats目录里，各有200张狗和猫的图片。点击下载。
在线模型训练
访问百度的easyDL，地址是：http://ai.baidu.com/easydl/
当然你需要一个百度账号，并登录。登录进去后，选择顶部“定制模型”里的“图像分类”，页面情况如下：
左侧那一排是功能栏，包括模型和数据两个大栏目。首先你要上传训练数据，在“创建数据集”那里，上传你的训练样本，也即是刚才下载的那个包含猫和狗图片的压缩文件。
上传完后，在“数据集管理”那里，可以看到数据上传和解压的情况：
上传了训练数据，就可以创建模型了。点左侧的“创建模型”，出来如下页面：
填写相应字段，点下一步就创建好了。
然后在“我的模型”里，可以看到你刚创建的模型。点“训练模型”，出来如下页面：
点“添加训练数据”，这里很关键，勾选上你刚上传好的训练数据：
注意：增加一个“其他”的默认分类，在分类时，如果模型既不确认是猫，又不确认是狗，就分类为其他。然后点“开始训练”即进入训练阶段。
这个过程会持续数分钟，在“我的模型”里，可看到模型的状态：
模型训练完后，是这个结果：
你可以查看“完整评估结果”，是模型的评估报告，如下图所示：
可以看到各项评估数据，准召率、F1-Score等，都是98以上，这很NB了！
top1的准确率也高达98分，远超Image-Net的通用分类模型，我想这是百度的迁移学习的结果。
点左侧的“校验模型”，启动模型校验服务后，上传猫或狗的图片进行测试，比如：
这个图片识别为狗，置信度是99.92%，几乎零差错。
最后点“发布模型”，填写相应字段后，即可进行发布：
请注意，发布是需要百度后台审核的，可能会打电话进行人工确认。发布完后，你就获得了一个在线API地址，在你的App里，上传图片访问这个API，就可以自动识别啦。
成功发布后，在“我的模型”里，点模型的“服务详情”，看到如下信息：
点“查看接口地址”，可以获取在线API的服务地址，是一个基于HTTP协议的URL。
在使用此接口前，你要绑定一个APP ID，点上述图示的“APPID状态管理”，添加APP ID。这个APP ID是用来进行认证的。
如何获取APP ID呢？请到这个地址，点“应用列表”，创建一个应用：
创建后，你就获得了自己的APP ID，以及API Key和Secret Key。回到前面的步骤，将APP ID与我的模型绑定。
至此，所有服务端配置完成了，现在进行客户端编程。
编写客户端
访问百度的在线服务接口，首先需要拿到access_token用于认证。access_token是基于上述API Key和Secret Key获取到的。访问这个URL，得到这个脚本：
client_id就是前述API Key，client_secret就是前述Secret Key。代入这两个变量，执行这个bash脚本，就得到了你的access_token。是一串长达70个字符的由数字、字母、标点组成的字串。
然后编写客户端程序。我随手写了个perl脚本，内容如下：
脚本很简单，使用HTTP客户端上传dog.3234.jpg这张图片（base64编码），到服务接口API进行识别，并带上access_token进行认证。
服务端返回的结果如下：
服务端：我99.99%确认你是一只狗，别想欺骗我，:-)
好了，一个图像识别App就搞好了。看着图文有点多，实际操作并不复杂。照着来一遍吧，有问题可以联系我。