面向程序员的实践深度学习:第一课
Practical Deep Learning for Coders: Lesson 1
频道:Jeremy Howard · 时长:1:22:55 · 发布:2022-07-21 · 播放:615321
简介
fast.ai 的面向程序员的实践深度学习第一课,由 Jeremy Howard 讲授。它带领程序员从在 Jupyter notebook 中运行代码直接进入训练真实的图像模型。
HN 为什么推荐
HN 认为该课程是进入深度学习的最佳实践方式之一,赞扬其代码优先的教学风格。
讲座非常动手——Jeremy 实际上会启动一个 Jupyter notebook 并运行代码,这些代码常常让他自己都感到惊讶 — HN, 2023
机器学习与深度学习 · 计算机视觉、语音与 NLP · 大学讲座与课程
中文字幕节选
欢迎来到《程序员实用深度学习》, 第一课。这是本课程的第五版, 也是我们两年来第一次推出的新版本。所以,我们有很多 酷炫的内容要讲!变化之大令人惊叹。 这是2015年底的一张xkcd漫画。 在座有多少人以前看过xkcd漫画?……几乎所有人都看过。不意外。 所以这里的基本笑点是……我让你们自己读一下,然后我再回来讲。 所以,很难分辨什么是容易的,什么是 几乎不可能的,而在2015年或2015年底, 检查某样东西 是不是鸟的照片,被认为几乎是 不可能的。如此不可能,以至于它成了一个笑话的 基本点子。因为大家都知道 那几乎是不可能的。我们现在就要 免费构建出这样一个系统,大约只需两分钟! 那么,我们来构建一个“是不是鸟”的系统。 我们将使用Python,我会很快地过一遍。 你们不需要跟着我一起运行, 因为我们后面还会回来讲。但 我们先来运行这个单元格。 好的,我们正在做的是在DuckDuckGo上搜索 鸟的照片,我们只抓取一张, 这就是我们抓到的鸟的URL。 好的,我们下载它。 好了,就是它。我们抓到了一只鸟, 那么现在我们有了一个可以 下载鸟类图片的东西。现在我们需要构建一个系统,能够 从照片中识别出是鸟的东西和不是鸟的东西。 当然,计算机需要数字才能工作, 但幸运的是,图像就是由数字组成的。 我找到了一个很不错的网站叫 pixby 我可以在上面抓取一张鸟的图片,如果我把鼠标移上去 (就选它的喙吧)你会看到这里 喙的那部分红色亮度是 251,绿色是 48 蓝色是 21。所以这就是 RGB。那么 你可以看到当我移动鼠标时,这些颜色 (这些数字)在变化。所以这张图片, 我们识别为图片的这个东西, 实际上是 256 x 171 x 3 个数字,介于 0 到 255 之间, 表示每个像素上红、绿、蓝 的数值。所以这将成为我们程序的 输入,程序会尝试判断 这张图片是不是鸟。 好,那我们继续运行这个单元格,它 会遍历……(我本来需要鸟和 非鸟的图片,但你没法真的在 Google 图片或 DuckDuckGo 图片里搜索“不是鸟”, 那样根本行不通。所以我决定 用森林——我想好吧,森林的图片 对比鸟的图片,听起来是个不错的 起点。)所以我遍历每一个: 森林和鸟。我搜索 forest photo 和 bird photo,下载图片, 然后把它们调整到每边不超过 400 像素——只是因为不需要 特别大的图片,而且光是让电脑打开 一张图片就要花掉多得惊人的 时间。好,我们现在每种各有了 200 张。我 发现下载图片时经常会碰到一些 损坏的图片,如果你试图用损坏的图片 训练模型,它是不会工作的。所以这里 一个只验证每张图片并 unlink——也就是删除那些无法使用的图片的东西 好的,现在我们可以创建一个所谓的 data block。运行这个单元格之后 你会看到我基本上……我稍后会 详细讲这个,但是……一个 data block
HN 上的讨论
面向程序员的实践深度学习(2022 版)由 Jeremy 主讲,他是 fast.ai 的创始研究员。我喜欢这个系列的三个地方:1. Jeremy 似乎是 Jupyter notebook 的高级用户,并出色地使用它们来运行讲座。关于 fastai 的书也是用 Jupyter notebooks 写的。2. 讲座非常动手——Jeremy 实际上会启动一个 jupyter notebook 并运行代码,这些代码常常让他自己都感到惊讶。3. 我喜欢他描述深入探讨特定 Kaggle 竞赛的方式。他非常详细地描述了自己在排行榜上攀升的尝试。这几乎就像在看一位扑克玩家在做出决定之前揭示她的决策过程。[VIDEO] — ujjwalgrover, 2023-01
我对音频 AI 领域感到非常兴奋,因为它似乎永远比图像领域落后几年——所以我认为我们会看到更多这样的东西。如果你感兴趣,将图像处理技术应用于音频频谱图的想法在 HN 上最受推荐的 AI 课程之一的 Practical Deep Learning for Coders 的第一课中有简要探讨 [VIDEO] — superpope99, 2022-12
> 模型的权重,领域专家可以手动调整 这听起来类似于深度学习之前图像识别的方式 [1] [1] [VIDEO] — elesiuta, 2023-09
相关视频
- 如何演讲 · MIT OpenCourseWare · 1:03:42
- 神经网络和反向传播的详细入门:构建micrograd · Andrej Karpathy · 2:25:52
- 1. 人类行为生物学导论 · Stanford · 57:14
- 领导力实验室:有效写作的艺术 · UChicago Social Sciences · 1:21:51
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- MIT 的聚变能之路(IAP 2017)- Zach Hartwig · MIT Plasma Science and Fusion Center · 1:11:39
- 斯坦福 Sapolsky 谈美国抑郁症(完整讲座) · Stanford · 52:28
- 公正:该如何做是好?第 01 集“谋杀的道德侧面” · Harvard University · 54:56
- 第一讲 | MIT 18.06 线性代数,2005 年春季 · MIT OpenCourseWare · 39:49
- AlphaGo - 电影 | 完整获奖纪录片 · Google DeepMind · 1:30:28
- 兰迪·波许的最后一课:实现你童年的梦想 · Carnegie Mellon University · 1:16:27
- Transformer,LLM 背后的技术 | 深度学习第 5 章 · 3Blue1Brown · 27:14
- 第一讲A:Lisp概述与简介 · MIT OpenCourseWare · 1:12:55
- 讲座 1A | MIT 6.001 计算机程序的构造和解释,1986 · MIT OpenCourseWare · 1:12:55
- 你见过的最重要的视频(8 部分之 1) · wonderingmind42 · 9:17
- USENIX Security '18-Q:为什么主题演讲者不断建议改进安全性是可能的? · USENIX · 51:22