Deep Learning für Programmierer mit fastai und PyTorch

Kapitel 5. Bildklassifizierung

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

Jetzt, da du weißt, was Deep Learning ist, wozu es dient und wie man ein Modell erstellt und einsetzt, ist es an der Zeit, tiefer zu gehen! In einer idealen Welt müssten Deep Learning-Praktiker/innen nicht jedes Detail wissen, wie die Dinge unter der Haube funktionieren. Aber noch leben wir nicht in einer idealen Welt. Damit dein Modell wirklich funktioniert und zuverlässig funktioniert, musst du viele Details richtig machen und viele Details überprüfen. Dazu musst du in der Lage sein, in dein neuronales Netzwerk hineinzuschauen, während es trainiert und Vorhersagen trifft, mögliche Probleme zu finden und zu wissen, wie man sie behebt.

Ab hier im Buch werden wir also tief in die Mechanismen des Deep Learning eintauchen. Wie sieht die Architektur eines Computer-Vision-Modells, eines NLP-Modells, eines Tabellenmodells usw. aus? Wie erstellst du eine Architektur, die den Anforderungen deines Fachgebiets entspricht? Wie erhältst du die bestmöglichen Ergebnisse aus dem Trainingsprozess? Wie kannst du die Dinge schneller machen? Was musst du ändern, wenn sich deine Datensätze ändern?

Zu Beginn wiederholen wir dieselben grundlegenden Anwendungen, die wir uns im ersten Kapitel angeschaut haben, aber wir werden zwei Dinge tun:

• Mach sie besser.

• Wende sie auf eine größere Vielfalt von Datentypen an.

Um diese beiden Dinge ...