每年1月，我们公司都会举办一年一度的“启动仪式”:销售、营销和客户相关人员有机会在波士顿会面，了解2020年相关产品领域的所有新功能。作为深度学习营销团队的一员，我们决定通过为每个人提供与神经网络互动的机会(有些是第一次!)以下是我们希望演示的工作方式:每个团队竞赛，在10分钟内正确地分类尽可能多的活动。每队有一台笔记本电脑和网络摄像头。他们记录团队成员执行活动的小视频，然后将视频发送到网络进行分类。

演示要求

我承认，有时候我非常关注深度学习模型，而不是整个系统。这个项目为我提供了一个学习整合整个应用程序的机会:从前端到部署。

• 与神经网络交互，无论技术背景
• 许多人可以同时跑步
• 网络预测速度相当快(可能需要GPU支持)金宝app

Heather (@heathergorr)和我从开始到结束花了大约1周的时间把这个演示集放在一起。我们从文档中的一个示例开始(链接)//www.tatmou.com/help/deeplearning/examples/classify-videos-using-deep-learning.html)，并重新训练该网络识别30项活动。

创建模型

doc中的例子很好地说明了网络如何识别视频流中的活动，首先使用GoogleNet从视频文件中提取激活，然后使用LSTM网络将这些激活分类为它们的活动类。

激活代码看起来像这样:

对于i = 1：numfiles fprintf（“读取文件％d％d ... \ n”，i，numfiles）视频= readvideo（文件（i））;Video = CenterCrop（视频，输入）;序列{i，1} =激活（netcnn，视频，layername，'outputas'，'列'）;结尾

LSTM网络如下所示：

图层= [sequenceInputlayer（numfeatures，'name'，'seample'）bilstmlayer（2000，'输出显示'，'last'，'name'，'bilstm'）dropoutlayer（0.5，'name'，'drop'）全连接列（numcrasses，'姓名'，'fc'）softmaxlayer（'name'，'softmax'）分类层（'name'，'分类'）];

训练如下所示：

minibatchsize = 16;numobservations = numel（Sequencestain）;numiterationsperepoch = bloor（numobservations / minibatchsize）;选项= TrainingOptions（'adam'，...'minibatchsize'，minibatchsize，...'italllearnrate'，1e-4，...'gradientthreshold'，2，...'shuffle'，'每个时代'，...'validationdata'，{semencesvalidation，labelsvalidation}，...'validationfrequency'，numiterationsperepoch，...'plots'，'培训 - 进展'，...'verbose'，false）;[netlstm，Info] = Trainnetwork（Sequencestrain，Labelstrain，图层，选项）;原始模型的准确性为51个活动留下了很多，精度为67.8％。查看培训数据集，您可以看到为什么：活动的表演者之间存在很多变化，并且可能有更多的数据。

侧面注意：通过HyperParameter调整，我们没有看到大量改进。似乎文档示例已经具有设置为提供最高精度模型的参数。

然后我们接受了20个活动培训，（71％），最后8项活动，最终达到了大约80％的准确性。我们根据我们认为在为游戏的10分钟内完成的方式选择了8项活动，并允许获得高分类准确性的最佳机会。

前端，在应用程序设计器中创建(视频概述链接://www.tatmou.com/videos/app-designer-overview-1510748719083.html)，故意简化，允许用户快速选择一个活动，录制一个小视频，并接收分类结果。

以下是运行中的应用程序和网络:

部署应用程序

现在 - 有300人的房间：你如何让他们访问文件并运行应用程序？

输入MATLAB在线：有关该产品的信息在此：https://www.mathwands.com/下载188bet金宝搏products/matlab-online.html.你可以在这里在线运行matlab：https://matlab.mathwands.com/

如果您可以访问MATLAB，您可以访问MATLAB Online，这是一种方便的方式来运行MATLAB远离您的标准设置。我们惊喜地发现网络预测非常快:每次预测不到5秒，而不需要非常适合我们需求的gpu。

我们也考虑了其他一些选择：

• 一个MATLAB Web应用程序(链接://www.tatmou.com/help/compiler/webapps/install-matlab-web-app-server.html.)，可以满足在您的办公室的每个人从浏览器运行web应用程序的需求-不管MATLAB访问。这非常适合在内部运行web应用程序。将它带到会议中心不是服务器的预期用例，我们不想冒需要VPN的风险。
• 有MATLAB编译器(//www.tatmou.com/下载188bet金宝搏products/compiler.html） - 您可以创建一个可以在本地在每个人的计算机上运行的应用程序（无需互联网或最终计算机上的Matlab许可）。出于游戏的目的，我们不希望人们需要安装一个应用程序，因为这么短的时光。

因为我们决定使用MATLAB Online，所以我们可以分享应用程序的链接，这使得分享应用程序和代码变得更加容易。你也可以查看代码并运行应用程序!是指向只读代码的链接在这里．

游戏很成功:我们有人们尝试活动的有趣图像。然而，这个模型相当挑剔(在第一个实验中，每个人都被认为是“吸烟”，而不管实际活动如何)，但后来的实验能够在10分钟内正确地完成8项活动中的6项。我们还发现，当你把手放在脸旁时，通常会被归类为吸烟或梳头!对于不太熟悉深度学习的人来说，这是一个很好的机会，可以亲身体验与神经网络的互动，这也引发了一些参与者的讨论，为什么深度学习并不总是100%准确。

一般来说，很高兴考虑整个包裹。不仅模型，而且如何使用该模型：专注于人员与人互动的应用程序，以及人们将访问该模型的方式。我鼓励你本周在线尝试Matlab，让我知道你的想法。

P.S.R2020A就在这个春天的角落周围，从我们上周的会议，它看起来将作为一个伟大的释放来塑造。敬请关注！