时尚产业是深度学习的目标领域之一。闪购网站Gilt就一直在使用深度学习来进行产品推荐和服装的属性分类。裙子样式是通过Facebook的Torch库来自动地识别其适用场合、裙子轮廓、领口和袖子类型的。Torch使用由ImageNet数据集训练得到的模型来利用每张图片已经具有的标签，并通过Gilt选定的具体特征来增强它们。该系统使用基于EBS和P2实例的亚马逊云基础架构，每个服务器最多可提供16个GPU。为了测试分类质量，该系统使用F1分数作为评价指标，它同时兼顾了分类模型的准确率和召回率。Gilt也测试了SaaS等替代品，但它们在准确度和提供的标签方面都不能令人满意 。

另一方面，针对裙子相似性的产品推荐是基于TiefVision来实现的，它是一种基于深度学习的图像相似性搜索引擎。TiefVision也是基于ImageNet数据的分类，它在神经网络的最后几层用一个特定的网络来代替，这种技术也叫迁移学习。第一步是使用Yann LeCunn的OverFeat方法在图像中对裙子进行定位。定位之后，该算法使用一个Siamese网络和Hinge损失函数来进行训练。

随着英特尔开源面向Apache Spark的分布式深度学习库BigDL，亚马逊推广MXNet作为AWS的深度学习框架，并且将深度学习用于其他用例中的异常检测，现在看起来不仅软件正在“吞噬”这个世界，而且深度学习正在成为机器学习的主流，渐渐取代传统机器学习的地位。

本文原创地址：https://www.linuxprobe.com/ethernet-channel-bonding.html作者：王毅，审核员：冯琪

本文原创地址：https://www.linuxprobe.com/depth-study-gilt.html编辑：王毅，审核员：暂无