Deep Learning für Programmierer mit fastai und PyTorch

Kapitel 2. Vom Modell zur Produktion

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Die sechs Codezeilen, die wir in Kapitel 1 gesehen haben, sind nur ein kleiner Teil des Prozesses, wie Deep Learning in der Praxis eingesetzt wird. In diesem Kapitel werden wir anhand eines Beispiels aus der Computer Vision den gesamten Prozess der Erstellung einer Deep Learning-Anwendung betrachten. Genauer gesagt, werden wir einen Bärenklassifikator erstellen! Dabei werden wir die Möglichkeiten und Grenzen von Deep Learning diskutieren, untersuchen, wie man Datensätze erstellt, mögliche Probleme bei der Anwendung von Deep Learning in der Praxis betrachten und vieles mehr. Viele der wichtigsten Punkte lassen sich auch auf andere Deep Learning-Probleme anwenden, z. B. auf die in Kapitel 1. Wenn du ein Problem bearbeitest, das in den wichtigsten Punkten unseren Beispielproblemen ähnelt, erwarten wir, dass du mit wenig Code schnell hervorragende Ergebnisse erzielst.

Beginnen wir damit, wie du dein Problem formulieren solltest.

Die Praxis des Deep Learning

Wir haben gesehen, dass Deep Learning eine Menge schwieriger Probleme schnell und mit wenig Code lösen kann. Für Anfänger gibt es eine Reihe von Problemen, die unseren Beispielproblemen so ähnlich sind dass du sehr schnell sehr nützliche Ergebnisse erzielen kannst. Deep Learning ist jedoch keine Zauberei! Die gleichen sechs Codezeilen funktionieren nicht für ...