这些年深度学习炙手可热，人脸识别，图像分类，目标检测等技术已经应用到我们生活的方方面面。作为一个时刻保持好奇心的程序猿想入门深度学习，但又苦于门槛较高，难以获得理想的学习成果。好在一些大厂已经推出了深度学习云平台，让我们前端小白也能体验深度学习的乐趣。
这次我们基于百度AI开放平台EasyDL来实现一个logo图像识别小程序，半天时间轻松搞定客户BABA的需求。
1:创建训练模型
要实现logo识别的功能，我们先要创建一个物体检测模型。
1.1选择创建模型
1.2为模型命名，模型归属选择个人。
2:创建训练数据集
模型创建好以后，我们要为模型提供训练数据，所谓训练数据就是我们要识别的logo图片。
模型就像一个懵懂的孩子，我们要用训练数据教他识别图片中的logo，让他能举一反三，以后遇到不在数据集中的图片也能准确的识别出来。
2.1准备训练数据
为了提高识别精度，我们需要用手机拍摄不同的光线，角度，背景下的logo图片上传，图片数据越多，越有助于提高模型的识别精度，一般建议上传40张左右。
2.2标注数据
上传后，用鼠标拖拽矩形区域标注出logo图形位置，并设置统一的标签名，然后点击左下角的保存按钮。如果嫌手动标注麻烦，也可以尝试右下角的智能标注。
2.3开始训练
训练时间和数据集大小成正比，以我30多张的训练数据为例，大概需要20分钟左右，已经很快啦，如果是在本地单机上训练可能要几小时的时间，这就是云服务分布计算的好处。
2.4校验模型
训练结束后，我们需要对模型进行校验，看看模型的识别精度是否符合预期。
上传几张不在数据集中的照片来检验结果，如果效果满意，我们就可以进行下一步，发布模型。
3:发布模型
3.1提交申请
发布模型前需要提交审核，填写服务名称和接口地址，提交申请。
审核成功后，在操作列表中点击服务详情->立即使用。
3.2创建应用
在使用接口前，我们还需要创建一个应用，应用可以理解为一个容器，一个应用可以包含多个接口，为这些接口提供访问键值，秘钥等参数。
