Deep Learning para programadores com fastai e PyTorch

Capítulo 2. Do modelo à produção

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

As seis linhas de código que vimos no Capítulo 1 são apenas uma pequena parte do processo de utilização da Deep Learning na prática. Neste capítulo, vamos utilizar um exemplo de visão computacional para analisar o processo de ponta a ponta da criação de uma aplicação de aprendizagem profunda. Mais especificamente, vamos construir um classificador de ursos! No processo, vamos discutir as capacidades e restrições da aprendizagem profunda, explorar como criar conjuntos de dados, analisar possíveis problemas ao utilizar a aprendizagem profunda na prática e muito mais. Muitos dos pontos-chave aplicar-se-ão igualmente bem a outros problemas de aprendizagem profunda, como os do Capítulo 1. Se trabalhares com um problema semelhante aos nossos problemas de exemplo, esperamos que obtenhas excelentes resultados com pouco código, rapidamente.

Vamos começar pela forma como deves enquadrar o teu problema.

A prática do Deep Learning

Vimos que a aprendizagem profunda pode resolver muitos problemas desafiantes rapidamente e com pouco código. Como principiante, há um ponto ideal de problemas que são suficientemente semelhantes aos nossos problemas de exemplo para que possas obter rapidamente resultados extremamente úteis. No entanto, o Deep Learning não é mágico! As mesmas seis linhas de código não vão funcionar para todos os problemas que possas ...