Deep Learning para programadores com fastai e PyTorch

Capítulo 5. Classificação de imagens

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

Agora que já sabes o que é a Deep Learning, para que serve e como criar e implementar um modelo, está na altura de irmos mais fundo! Num mundo ideal, os profissionais da aprendizagem profunda não teriam de saber todos os pormenores de como as coisas funcionam por baixo do capô. Mas, por enquanto, não vivemos num mundo ideal. A verdade é que, para que o teu modelo funcione realmente e de forma fiável, há muitos detalhes que tens de acertar e muitos detalhes que tens de verificar. Este processo exige que sejas capaz de olhar para dentro da tua rede neural à medida que ela treina e faz previsões, encontrar possíveis problemas e saber como corrigi-los.

Portanto, a partir daqui, no livro, vamos mergulhar profundamente na mecânica da Deep Learning. Qual é a arquitetura de um modelo de visão computacional, de um modelo de PNL, de um modelo tabular, etc.? Como é que crias uma arquitetura que corresponda às necessidades do teu domínio específico? Como obténs os melhores resultados possíveis do processo de formação? Como tornar as coisas mais rápidas? O que é que tens de mudar à medida que os teus conjuntos de dados mudam?

Começaremos por repetir as mesmas aplicações básicas que vimos no primeiro capítulo, mas vamos fazer duas coisas:

• Torna-os melhores.

• Aplica-os a uma maior variedade de tipos de dados.

Para fazer estas duas coisas, ...