Deep Learning per programmatori con fastai e PyTorch

Capitolo 5. Classificazione delle immagini

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Ora che hai capito cos'è il deep learning, a cosa serve e come creare e distribuire un modello, è arrivato il momento di andare più a fondo! In un mondo ideale, chi si occupa di deep learning non dovrebbe conoscere tutti i dettagli di come funzionano le cose sotto il cofano. Ma per ora non viviamo in un mondo ideale. La verità è che per far sì che il tuo modello funzioni davvero, e in modo affidabile, ci sono molti dettagli che devi sistemare e molti dettagli che devi controllare. Questo processo richiede la capacità di guardare all'interno della tua rete neurale mentre si allena e fa previsioni, di trovare eventuali problemi e di sapere come risolverli.

Quindi, da qui in avanti nel libro, faremo un'immersione profonda nella meccanica del deep learning. Qual è l'architettura di un modello di computer vision, di un modello NLP, di un modello tabellare e così via? Come si crea un'architettura che corrisponda alle esigenze del tuo particolare dominio? Come ottenere i migliori risultati possibili dal processo di formazione? Come rendere le cose più veloci? Cosa devi cambiare quando i tuoi set di dati cambiano?

Inizieremo ripetendo le stesse applicazioni di base che abbiamo visto nel primo capitolo, ma faremo due cose:

• Migliorali.

• Applicarli a una più ampia varietà di tipi di dati.

Per fare queste ...