Aprendizaje profundo para programadores con fastai y PyTorch

Capítulo 5. Clasificación de imágenes

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Ahora que ya sabes qué es el aprendizaje profundo, para qué sirve y cómo crear e implementar un modelo, ¡es hora de que profundicemos! En un mundo ideal, los profesionales del aprendizaje profundo no tendrían que conocer cada detalle de cómo funcionan las cosas bajo el capó. Pero de momento, no vivimos en un mundo ideal. La verdad es que, para que tu modelo funcione realmente, y funcione de forma fiable, hay muchos detalles que tienes que hacer bien, y muchos detalles que tienes que comprobar. Este proceso requiere ser capaz de mirar dentro de tu red neuronal mientras se entrena y mientras hace predicciones, encontrar posibles problemas y saber cómo solucionarlos.

Así que, a partir de aquí en el libro, vamos a hacer una inmersión profunda en la mecánica del aprendizaje profundo. ¿Cuál es la arquitectura de un modelo de visión por ordenador, de un modelo de PNL, de un modelo tabular, etc.? ¿Cómo creas una arquitectura que se adapte a las necesidades de tu dominio concreto? ¿Cómo obtienes los mejores resultados posibles del proceso de entrenamiento? ¿Cómo agilizas las cosas? ¿Qué tienes que cambiar a medida que cambian tus conjuntos de datos?

Empezaremos repitiendo las mismas aplicaciones básicas que vimos en el primer capítulo, pero vamos a hacer dos cosas:

• Haz que mejoren.

• Aplícalos a una mayor variedad de tipos de datos. ...