使用：
-
网络需要在图像和输出概率（评分0-1）之间过滤不适合工作的图片。评分<0.2表示图像具有较高概率是安全的。评分＞0.8表明极有可能是不适合工作（NSFW）图像。
-
我们建议开发者根据用例和图像类型的不同选择合适的阈值。根据使用情况、定义以及公差的不同会产生误差。理想情况下，开发人员应该创建一个评价集，根据“什么是安全的”对他们的应用程序进行定义，然后适合ROC曲线选择一个合适的阈值。
-
结果可以通过微调你的数据/ uscase /定义NSFW的模型的改进。我们不提供任何结果的准确性保证。
-
使用者适度地结合机器学习解决方案将有助于提高性能。
模型描述：
-
我们将不适合工作的图片（NSFW）作为数据集中的积极对象，适合工作的图片作为消极对象来进行训练。所有这些被训练得图片都被打上了特定的标签。所以由于数据本身的原因，我们无法发布数据集或者其他信息。
-
我们用非常不错的名字叫“CaffeOnSpark”的架构给“Hadoop”带来深度学习算法，并且使用Spark集群来进行模型训练的实验。在此非常感谢 CaffeOnSpark 团队。
-
深度模型算法首先在 ImageNet 上生成了1000种数据集，之后我们调整不适合工作（NSFW）的数据集比例。我们使用了50 1by2的残差网络生成网络模型。模型通过 pynetbuilder 工具以及复制残余网络的方法会产生50层网络（每层网络只有一半的过滤器）。你可以从这里获取到更多关于模型产生的信息。
-
更深的网络或者具有更多过滤器的网络通常会更精确。我们使用剩余（residual）网络结构来训练模型，这样可以提供恰到好处的精确度，同样模型在运行以及内存上都能保持轻量级。
-
服务器yum源为阿里源 open nsfw是雅虎开源的一款开源的黄图识别的模型。 nsfw翻译为不可在工作中看的图片。主要是针对黄图的，恐怖，血腥图片不能识别。 在centos7.2搭建open nsfw的环境 1.安装依赖 sudo yum -y install protobuf-devel leveldb-devel snappy-devel opencv-devel boost-devel
-
nsfw(Not suitable for work classifier)是雅虎开源的进行色情检测识别的一个网络，该网络基于Resnet50修改，取得了非常不错的色情检测效果。 开源地址：https://github.com/yahoo/open_nsfw 在安装好caffe后，具体测试demo 如下： cd open_nsfw python ./classify_nsfw.py \ --mod
-
我使用了卷积神经网络（CNN）来训练地图中的图例。这些图例包括圆形、椭圆形、菱形、十字架和正方形。神经网络（受代码启发https://towardsdatascience.com/from-raw-images-to-real-time-predictions-with-deep-learning-ddbbda1be0e4)对我来说效果很好。输入图像是图例（如输入训练图像）的单独裁剪图片，我想要的
-
问题内容： 我有一个jpg图片。 我需要知道图像的“总体平均水平”。乍一看，可以使用图像的直方图（通道RGB）。 在工作中，我主要使用JavaScript和PHP（少量Python），因此欢迎使用这些语言的决定。也许这是用于处理类似问题的图像的库。 我不需要动态确定图片的颜色。我只需要遍历整个图像阵列并分别确定每个图像的颜色（我将记住此信息以备将来使用）。 问题答案： 您可以使用 PHP 来获取调
-
神经网络 (Neural Network) 是机器学习的一个分支，全称人工神经网络（Artificial Neural Network，缩写 ANN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。 Perceptron (感知器) 一个典型的神经网络由输入层、一个或多个隐藏层以及输出层组成，其中箭头代表着数据流动的方向，而圆圈代表激活函数（最常用的激活函数为
-
译者：bat67 最新版会在译者仓库首先同步。 可以使用torch.nn包来构建神经网络. 我们以及介绍了autograd，nn包依赖于autograd包来定义模型并对它们求导。一个nn.Module包含各个层和一个forward(input)方法，该方法返回output。 例如，下面这个神经网络可以对数字进行分类： 这是一个简单的前馈神经网络（feed-forward network）。它接受一
-
我用两个输出神经元会得到更好的结果吗？（一个激活为“是音乐”，另一个激活为“不是音乐”）。 （您可以在这里看到这方面的C++源代码：https://github.com/mcmenaminadrian/musonet--尽管在任何给定的时间，公开回购中的内容可能并不完全是我在机器上使用的内容。）
-
递归神经网络 递归神经网络（RNN）是两种人工神经网络的总称。一种是时间递归神经网络（recurrent neural network），另一种是结构递归神经网络（recursive neural network）。时间递归神经网络的神经元间连接构成有向图，而结构递归神经网络利用相似的神经网络结构递归构造更为复杂的深度网络。两者训练的算法不同，但属于同一算法变体（百度百科）。本节我们重点介绍时间递