fast.ai 深度学习笔记:第一部分第一课
原文:Deep Learning 2: Part 1 Lesson 1
作者:Hiromi Suenaga
- 课程论坛
入门 [0:00]:
- 为了训练神经网络,你肯定需要图形处理单元(GPU) - 特别是 NVIDIA GPU,因为它是唯一支持 CUDA(几乎所有深度学习库和从业者都使用的语言和框架)的设备。
- 租用 GPU 有几种方法:Crestle [04:06] ,Paperspace [06:10]
Jupyter 笔记本和猫狗识别的介绍 [12:39]
- 你可以通过选择它并按下
shift+enter
来运行单元格(你可以按住shift
并多次按enter
键来继续下拉单元格),或者你可以单击顶部的“运行”按钮。单元格可以包含代码,文本,图片,视频等。 - Fast.ai 需要 Python 3
%reload_ext autoreload
%autoreload 2
%matplotlib inline
# This file contains all the main external libs we'll use
from fastai.imports import *
from fastai.transforms import *
from fastai.conv_learner import *
from fastai.model import *
from fastai.dataset import *
from fastai.sgdr import *
from fastai.plots import *
PATH = "data/dogscats/"
sz=224
!ls {PATH}
models sample test1 tmp train valid
!ls {PATH}valid
cats dogs
files = !ls {PATH}valid/cats | head files
['cat.10016.jpg', 'cat.1001.jpg', 'cat.10026.jpg', 'cat.10048.jpg', 'cat.10050.jpg', 'cat.10064.jpg', 'cat.10071.jpg', 'cat.10091.jpg', 'cat.10103.jpg', 'cat.10104.jpg']
img = plt.imread(f' {PATH} valid/cats/ {files[0]} ') plt.imshow(img);
img.shape
(198, 179, 3)
img[:4,:4]
array([[[ 29, 20, 23], [ 31, 22, 25], [ 34, 25, 28], [ 37, 28, 31]],
[[ 60, 51, 54], [ 58, 49, 52], [ 56, 47, 50], [ 55, 46, 49]],
[[ 93, 84, 87], [ 89, 80, 83], [ 85, 76, 79], [ 81, 72, 75]],
[[104, 95, 98], [103, 94, 97], [102, 93, 96], [102, 93, 96]]], dtype=uint8)
img
是一个三维数组(又名 3 维张量)- 这三个维度(例如
[29, 20, 23]
)表示 0 到 255 之间的红绿蓝像素值 - 我们的想法是利用这些数字来预测这些数字是代表猫还是狗,基于查看猫和狗的大量图片。
- 这个数据集来自 Kaggle 竞赛,当它发布时(早在 2013 年),最先进的技术准确率为 80%。
data = ImageClassifierData.from_paths(PATH, tfms=tfms_from_model(resnet34, sz))
learn = ConvLearner.pretrained(resnet34, data, precompute= True )
learn.fit (0.01, 3)
[ 0. 0.04955 0.02605 0.98975] [ 1. 0.03977 0.02916 0.99219] [ 2. 0.03372 0.02929 0.98975]
fast.ai 深度学习笔记:第一部分第一课相关推荐
- fast.ai 深度学习笔记:第一部分第五课
原文:Deep Learning 2: Part 1 Lesson 5 作者:Hiromi Suenaga 课程论坛 一,引言 没有足够的关于结构化深度学习的出版物,但它肯定出现在行业中: 结构化深度 ...
- fast.ai 深度学习笔记:第一部分第二课
原文:Deep Learning 2: Part 1 Lesson 2 作者:Hiromi Suenaga 论坛 笔记本 回顾上一课 [01:02] 我们使用 3 行代码来构建图像分类器. 为了训练模 ...
- fast.ai 深度学习笔记:第一部分第四课
原文:Deep Learning 2: Part 1 Lesson 4 作者:Hiromi Suenaga 课程论坛 学生的文章: 改善学习率的方式 循环学习率技术 探索带有重启动的随机梯度下降(SG ...
- fast.ai 深度学习笔记:第一部分第三课
原文:Deep Learning 2: Part 1 Lesson 3 作者:Hiromi Suenaga 课程论坛 学生创建的有用材料: AWS 操作方法 TMUX 第 2 课总结 学习率查找器 P ...
- 深度学习笔记 第五门课 序列模型 第一周 循环序列模型
本文是吴恩达老师的深度学习课程[1]笔记部分. 作者:黄海广[2] 主要编写人员:黄海广.林兴木(第四所有底稿,第五课第一二周,第三周前三节).祝彦森:(第三课所有底稿).贺志尧(第五课第三周底稿). ...
- 《DeepLearning.ai 深度学习笔记》发布,黄海广博士整理
深度学习入门首推课程就是吴恩达的深度学习专项课程系列的 5 门课.该专项课程最大的特色就是内容全面.通俗易懂并配备了丰富的实战项目.今天,给大家推荐一份关于该专项课程的核心笔记!这份笔记只能用两个字形 ...
- 第4篇 Fast AI深度学习课程——深度学习在回归预测、NLP等领域的应用
前面几节叙述了卷积神经网络在图像分类中的应用,本节将描述深度学习网络在诸如回归预测.自然语言处理等领域的应用.主要内容如下: Drop Out策略,以及Fast.AI附加层架构分析. 结构化时间序列的 ...
- 深度学习笔记 第五门课 序列模型 第二周 自然语言处理与词嵌入
本文是吴恩达老师的深度学习课程[1]笔记部分. 作者:黄海广[2] 主要编写人员:黄海广.林兴木(第四所有底稿,第五课第一二周,第三周前三节).祝彦森:(第三课所有底稿).贺志尧(第五课第三周底稿). ...
- 深度学习笔记 第五门课 序列模型 第三周 序列模型和注意力机制
本文是吴恩达老师的深度学习课程[1]笔记部分. 作者:黄海广[2] 主要编写人员:黄海广.林兴木(第四所有底稿,第五课第一二周,第三周前三节).祝彦森:(第三课所有底稿).贺志尧(第五课第三周底稿). ...
最新文章
- Dropout和网络结构实现数据增广带来的不同影响分析
- Android驱动中的Kconfig文件与Makefile文件
- 【KVM系列01】KVM简介及安装
- php data 算出差几天,出差天数一般怎么算。。。
- SAP OData实现错误消息:OPPORTUNITIES_GET_ENTITY not implemented in data provider class
- WinForm与脚本的交互
- C#利用NI VAS采集图片
- python通过代理发送邮件_使用Python通过SMTP发送邮件
- 使用Google WebP图片格式帮助控制网站页面大小
- iOS进阶之TCP代理鉴权过程
- Sublime Text 无法安装插件
- VM中安装虚拟工具Vmware tools
- 单机数据库的实现----------01数据库
- pwnable.kr第五题:passcode
- 实力肯定!Coremail邮件网关荣获金融信创优秀解决方案奖
- 考研经验贴(南京航空航天大学,电子信息专硕)
- python爬虫-Handler处理器的基本使用
- 什么是CSM(Certified Scrum Master) 敏捷教练认证?
- Cross-validation: evaluating estimator performance
- onlyOffice编辑保存后显示编码乱码问题
热门文章
- SQL Stored Procedure Generator
- 移民申请--申请澳大利亚技术移民的职业评估有技巧(2)
- 如何计算机械能,问:损失的机械能如何计算?
- 高效能人士的七个习惯_《高效能人士的七个习惯》导图和读后感
- “铜死亡”顶级研究文献解读
- 第18天学习Java的笔记-ArrayList
- 光流 | 图像特征匹配:特征光流与角点特征
- SSM项目开发实战踩坑
- ucos iii学习笔记——为什么选择ucos iii
- html文字字号不改变,如何在不改变div大小的情况下更改HTML / css中的字体大小?...