请教深度学习的路线图（回来交作业了）

fat

2月16日更新：

由于你们人类经常分不清我们海獭和隔壁水獭，
于是我炼了一个AI帮你们分一下：是海獭不是水獭 (fat.plus)


最简单的Resnet18模型，
训练集也不太好，准确率大概9成吧。

学习总结：
就是简单地过了一遍楼下推荐的李沐大佬的《动手学深度学习》，算是大概有个概念了。
深感pytorch真是方便…………各种模型都打包好，改几行参数就能用了。

反而找训练集比较麻烦，
海獭水獭没很好的现成训练集，
只能从google、微博、istock等图站爬了一共4000多海獭，2000多水獭出来……
而且经常混入错的水獭/海獭，还得手动洗干净……
你们人类是真的分不清，嗨呀！

——————————————————————————一以下原贴————————————————————

一方面个人兴趣、另一方面作为工厂的工程师也要给乙方发一点图像识别的项目。（譬如涂装或者涂胶有没漏涂漏喷、安装部件有没装错装歪等等的图像识别）
所以想学一下深度学习。

到处翻了一下，类似这样的路线图合理吗？

适合所有零基础人群的最全人工智能学习路线，我给做出来了！-人工智能/AI/深度学习/机器学习
https://www.bilibili.com/video/BV1hD4y1b7Aq

已有能力：懂基本的python，没用过NumPy，其他机器学习没学过。
目标： 1）能娱乐性地写点模型 ； 2）不被乙方忽悠方案或者效果

fat

另外吐槽下我们这种传统工厂（汽车）的IT技术还是发展很慢。
乙方的程序员感觉都又菜又贵，还得我给他们debug……

大概是因为程序员都不想进厂吧

tsubasa9

照着tensorflow或pytorch官方教程写一遍
tensorflow官方教程开始就是个图像分类有监督学习
写的时候遇到不懂的概念就搜一下
我入门是这个流程

明日依旧香

推一下李沐的课程吧，我感觉他的课程应该算是理论和实践结合最好的了，可以帮助你系统学完相关的知识也跑一遍相关的代码，至于落实到具体的项目中那还是只能靠多实践了  
https://www.bilibili.com/video/BV1if4y147hS?share_source=copy_web

千本blur

我最早入门深度学习就是跟着楼上李沐大佬的d2l课程学的，对应数学知识可以看《机器学习与神经网络》和苏剑林大神的博客。其实我觉得你的需求100%可以huggingface解决，别抱着torch或者numpy这些包陷进去了。

HankHill

https://github.com/NVIDIA/DeepLearningExamples

皮衣黄把很多经典模型都放在这里，可以看看，基本上能对各种baseline有个基本认识。

轻度入门可以看看Goodfellow的书，不实际搞的话其实没必要深究太多数学，搞视觉的写的证明基本上不是“俺寻思”就是条件一大堆没什么意义；搞这个的都很empirical，“俺寻思”出来跑的比别人效果好就行，具体为什么效果好不必深究（非常的waaagh!），所以多了解点实验方法（和统计上糊弄人的手段）应该更符合你的需求。

泰坦失足

建议多了解下最新的SOTA, few shot learning和大厂的开源库. 反正我干完活后发现大厂开源的项目比我做的好太多时候内心是崩溃的. 不过反正一次性交完后也不需要我做后续工作, 溜了溜了

qianoooo

https://github.com/ludwig-ai/ludwig/ 你用ludwig这种包装好的试试 简单点 知道科研方向就很容易写

fat

谢谢各位大佬！
综合上述暂时计划：
整体过一遍李沐的教程，有个整体认识，
同步再用PyTorch或者tensorflow稍微实践一下。
原理、现代、Numpy估计就不会太深入了。
过段时间回来交作业。

fat

2月16日更新：

由于你们人类经常分不清我们海獭和隔壁水獭，
于是我炼了一个AI帮你们分一下：https://blog.fat.plus/flask

最简单的Resnet18模型，
训练集也不太好，准确率大概9成吧。

学习总结：
就是简单地过了一遍楼下推荐的李沐大佬的《动手学深度学习》，算是大概有个概念了。
深感pytorch真是方便…………各种模型都打包好，改几行参数就能用了。

反而找训练集比较麻烦，
海獭水獭没很好的现成训练集，
只能从google、微博、istock等图站爬了一共4000多海獭，2000多水獭出来……
而且经常混入错的水獭/海獭，还得手动洗干净……
你们人类是真的分不清，嗨呀！

tsubasa9

数据集很麻烦的，可以再学个爬虫收集数据
所以个人或高校课题如果没有特别好的合作单位提供数据也没法出啥成果

nexus1

要不你试试chatgpt指导你

Litccc

一个半月学成了，效率真高

ada_ovo

说起来...涂装缺陷识别什么的更像是纯CV的事情

拜拜

mark 我一个前端也想学

—— 来自 Hisense HNR320T, Android 10上的 S1Next-鹅版 v2.5.4

花達香奈

放清野有沙的照片能识别吗？

fat

freeshift 发表于 2023-2-17 16:22

因为就只是个2选1的分类器，是会这样的

fat

花達香奈 发表于 2023-2-17 15:55
放清野有沙的照片能识别吗？

搜了下才知道是水獭祈

fat

nexus1 发表于 2023-2-16 22:23
要不你试试chatgpt指导你

我更想试试new逼ing，但是在waitlist，我好急！

fat

ada_ovo 发表于 2023-2-17 00:01
说起来...涂装缺陷识别什么的更像是纯CV的事情

是的，其实CV应该也有办法。
几年前曾经考虑过，也试着学了下opencv2。

考虑到2个困难没有继续下去了：
1）刚好有个色是和底材颜色非常接近的，肉眼也几乎看不出。只能靠一些类似“光泽度”的特征去区分。CV搞起来好像不容易；
2）每次换车型又得重新调校，比较麻烦。

之前看李沐大佬的视频，里面提到感触很深的一点是：都说显卡很贵，深度学习很费钱。但其实正因为深度学习很“便宜”才能流行起来的。
传统CV分析需要比较高的专业性，并且很难通用化，每个案例都要专业人才去调整。而专业人才是非常贵的。
而深度学习只需要我这种调参工具人弄一下就能大概能用，并且可以很容易搬到其他案例去。

所以我现在想走后者的路线了，
这单成功后还会继续推逛到其他需要视觉识别的工艺去。

ada_ovo

fat 发表于 2023-2-17 21:23
是的，其实CV应该也有办法。
几年前曾经考虑过，也试着学了下opencv2。

是主机厂涂装线质检吗，漆面缺陷人眼都要在专门光照条件下才能看出来，油漆和底材颜色接近的情况下，光靠普通rgb相机和ai的方法就能识别出来，有这么神奇？  我也想学

fat

ada_ovo 发表于 2023-2-18 09:51
是主机厂涂装线质检吗，漆面缺陷人眼都要在专门光照条件下才能看出来，油漆和底材颜色接近的情况下，光靠 ...

大概率可以吧，但真实效果下半年上线才知道了。

chronicle

楼主数学部分怎么学的
高数 线代 概率论

b站上都是那种考研数学，废话一大堆，都是奔着做题用的。

fat

chronicle 发表于 2023-2-19 12:51
楼主数学部分怎么学的
高数 线代 概率论

很简单，不学

我顶多就是看看线性代数部分，看看各个张量操作就行了。因为经常要知道各个张量的shape。
再深入的，譬如怎么求梯度、损失函数是怎么设计的之类的问题我直接略过了。

李沐大佬的视频这一页我觉得总结得很好。我目标是到工程师这部分就OK了。