2.1 Xây dựng kiến trúc mạng học sâu để nhận diện biển báo giao thông

[@nguyenngocminhkhanh809]

Cảm ơn anh. Bài giảng rất hay. Mong anh sẽ có bài giải thích kĩ hơn nhưng tính chất trong mạng, và các hyperparamter đi cùng ạ.

[@ProtonX]

Mọi người ơi đã có bản HD rồi nhé mọi người: D

[@nguyenthanh-xo9ru]

thanks anh đã kỳ công xây dựng video ạ !

[@khanhlinh-mechatronicsengi9388]

a ơi a xây dựng data dữ liệu khuôn mặt đi a,please.

[@hoangleviet1838]

Em cực kỳ cực kỳ trân trọng những kiến thức mà anh đã chia sẻ, thanks anh nhiều!

[@thinnguyen2641]

Em đang focus vào computer vision, qua bài trình bày của ah, em hiểu kỹ thêm nhiều khái niệm mà trên trường em chỉ mới học sơ sơ. Thật tuyệt khi biết sử dụng api, framework và hiểu nó thì code trở nên clear, ngắn gọn như này. -------_____ HCMUS :))____-------

[@ProtonX]

Cảm ơn em các bài tiếp theo sẽ tập trung hơn vào data trong thực tế vì mình cần độ chính xác cao trong thực tế, em đón xem tiếp nha em. :D

[@nammeii7663]

mong anh ra thêm nhiều video nữa ạ, cảm ơn anh rất nhiều vì những video rất giá trị này ạ.

[@ProtonX]

Cảm ơn em.

[@nhanho2126]

Hay quá! Cảm ơn thầy nhé!

[@congminhtran437]

cảm ơn anh vì những kiến thức quý báo anh chia sẻ

[@quoctule3509]

bài giảng thật hữu ích

[@ProtonX]

hi :D

[@sangtruongmanh6155]

Đây là tutorial mà em đợi cả chục năm!

[@ProtonX]

Sang Trương Mạnh đón xem tiếp em nhé :D

[@KhanhNguyen-y3k]

em cảm ơn a nhiều ạ

[@minhkhuonglu8517]

cảm ơn anh, mong anh ra thêm nhiều video như vậy hơn nữa ạ

[@vuducnguyen6919]

Video rất hay ạ. Cảm ơn anh. Hy vọng anh ra thêm video về bên NLP nữa ạ

[@Trongdtnh]

Bài giảng rất chi tiết. Em cảm ơn!

[@mindset873]

Cảm ơn anh. Hi vọng anh ra nhiều nữa ạ.

[@TraNguyeninh]

Video rất hữu ích . Mong anh thường xuyên ra những video như vậy hơn

[@ProtonX]

Cảm ơn em có phần 2 rồi em nhé :D

[@WorldMartialArt]

Cảm ơn anh rất nhiều, rất chi tiết ạ.

[@leehun403]

Cảm ơn anh , video dễ hiểu và cuốn (y)

[@hungjos1600]

Cảm ơn anh ! Mong anh ra nhiều video nữa

[@ProtonX]

Cảm ơn em.

[@anhhaoam3379]

hay quá anh, mong anh sớm ra nhiều video nữa 1

[@aicoding2010]

Video hay lắm. Cám ơn bạn nhiều.

[@HiepNguyen-mw6rx]

Bài học rất hữu ích. Em cảm ơn anh!

[@atNguyen-jd7zg]

cảm ơn a mong a ra video tiếp theo

[@faangsde]

Cám ơn ProtonX đã chia sẻ chi tiết

[@ProtonX]

dạ vâng giờ tụi em mới biết ạ :D

[@viethoanguc2617]

Hay anh ạ, hóng phần 2. learning by doing như này mới hiệu quả

[@ProtonX]

9h tối nay có phần 2 em nhé. :D

[@wingwing2683]

Cảm ơn bạn, video rất dễ hiểu :D

[@manhlinhbui6731]

Respect a Ngoc!

[@LongLe-zm2ox]

Cảm ơn anh nhiều ạ

[@locallhost9848]

quá tuyệt anh ơi

[@QuanNguyen-kh7ix]

cảm ơn anh!!!!!!!!!!!!

[@atNguyen-xh4rk]

em cảm ơn anh vì những chia sẻ một cách chân thực và khách quan chi tiết nhất tới cho người xem.Vậy cho em hỏi rằng nếu mình train theo dataset khác như trên có được không ạ,a có thể cho e một vài cái dataset như này để train không ạ.em cảm ơn a và mong kênh phát triển

[@ProtonX]

Em xem thêm ở đây nhé: knowyourdata-tfds.withgoogle.com/

[@KhoaTran-tw5gs]

thank you so much ^^

[@qianliu624]

thank you anh

[@mipa98]

Cảm ơn a

[@vominhtam5091]

Anh cho em hỏi ở 34:04 ạ. Ở đây có 5 kernels, vậy mỗi kernels sẽ có 3 phiên bản giống nhau cho 3 kênh R G B của ảnh ban đầu phải không ạ? Sau khi tính tích chập xong thì chúng được tính như thế nào (tính trung bình hay cộng lại hay như thế nào) để ra được các đặc trưng màu 'xanh biển, cam, vàng, xanh lá, tím' để tạo thành "feature map" như trong hình vẽ ạ? Em cảm ơn!

[@ProtonX]

Sorry em anh trả lời muộn, câu hỏi rất hay, em nhân từng lớp trên kernel với từng khu vực trên từng lớp trên bức ảnh và cộng lại với nhau. cs231n.github.io/convolutional-networks/ Em xem trên link này kéo xuống phần Convolution Demo thể hiện rất rõ.

[@vominhtam5091]

@@ProtonX Dạ em cảm ơn anh rất nhiều!

[@tkchannel1198]

ad cho em hỏi mình kể nối với wedcam để nhận diện thay vì đưa ảnh vô được không ạ ?

[@lynguyenminhOfficial]

39:33 ở chỗ này anh nói số param phải tương đông với số datapoint, mà sau khi xây dựng mạng xong, có tận hơn 2 triệu param, trong khi ảnh của chúng ta chỉ có khoảng 50000, em chưa thấy tương đồng ạ. Hay em đã hiểu sai chỗ nào ko ạ? Mong anh trả lời. Video rất dễ hiểu, giải thích rõ ràng, em cảm ơn anh.

[@ProtonX]

ừa cái này cũng 1 phần kinh nghiệm training của em thôi em sẽ hình thành được khoảng khả thi, tuy nhiên nếu lúc đầu em chưa quen thì em có thể xây model to rồi overfitting rồi em hiệu chỉnh lại.

[@NguyenDucHoang]

very goooddddddd

[@salsdding6724]

Em check data có mấy biển báo có hướng , sau khi tắt cái lật ảnh ngang của aug thì mô hình học tốt hẳn anh ạ

[@ProtonX]

đúng rồi nhé

[@nguyendo219]

19:16 train_test_split() có tham số "shuffle" luôn sao không dùng cái đó anh.

[@ProtonX]

yeah em dùng cái nào cũng được nhé

[@rgolanng]

Hi anh, anh có nói số lượng params sẽ tương đồng với data points trong dataset của chúng ta, vậy data points có phải là số dòng trong dataset hay là tích trong shape của tập train ạ?

[@ProtonX]

tính theo shape nhé, em cứ hình dung là một số trong data point sẽ đi kèm bởi một tham số để học chẳng hạn, tất nhiên là tương đối không có cụ thể phải bằng nhau, quan trọng khi mình nắm được tỉ lệ rồi mình có thể scale được mô hình khi nhiều dữ liệu hơn!

[@rgolanng]

@@ProtonX Em cảm ơn a nhiều ạ

[@phuongnguyenhoai8846]

A cho e hỏi cái convid 2d với convid1d khác nhau như thế nào v ạ

[@ProtonX]

Ví dụ anh có một feature map 100x300 và a dùng Conv1D với size 3 thì filter của anh cỡ (3x300) chạy từ trên xuống dưới và sẽ cho kết quả là một vector.

[@anhkyao3586]

Anh cho em hỏi : khi mình fully connected layer thành vector có 4096 phần tử =>512 => 43 Mình có thể thu nhỏ trực tiếp thừ 4096 => 43 luôn được không a.

[@ProtonX]

Hoàn toàn có thể được em nhé, nhưng tùy thuộc mối quan hệ giữa số lượng data point và số lương param, nếu xuống thẳng từ 4096 xuống 43 thì em có 4096 * 43 param còn nếu từ 4096 xuống 512 xuống 43 em sẽ có 4096 * 512 + 512 * 43 param, nếu param ít quá có thể underfit. Cũng một pratice thì người ta hay cho giảm dần dần xuống vì nhiều lớp hơn thì khả năng tổng quát hóa sẽ cao hơn. Thân.

[@anhkyao3586]

@@ProtonX Dạ em cảm ơn a ạ . Bài giảng của a rất hay

[@saoquata74]

Cảm ơn thầy đã chia sẽ những kiến thức tuyệt vời. Mình mới bắt đầu nghiên cứu món này được hơn tháng nên gặp phải sự cố sau, bạn giải thích giùm nhé. Khi mình chạy code: validX = valid['features'] validY = valid['labels'] nó báo lỗi "NameError: name 'valid' is not defined" Mình có cần cài hay import cái thư viện nào không nhỉ? Một lần nữa cảm ơn thầy rất nhiều!

[@ProtonX]

Anh kiểm tra lại xem mình đã có biến valid để load data từ file chưa anh nhé.

[@saoquata74]

@@ProtonX Cảm ơn thầy, do em copy mà không đổi tên biến. Chúc thầy mọi sự tốt đẹp, có nhiều đóng góp cho cộng đồng VietAI

[@-ChauGiaBao-TN]

Dạ anh ơi em có bắt chước làm theo anh ở đoạn 21:30 nhưng tập train của em lại có lỗi như này MemoryError: Unable to allocate 11.2 GiB for an array with shape (2012, 500, 500, 3) and data type float64, còn tập X_val thì vẫn chia cho 255.0 được . Không biết nó bị sao vậy ạ :((

[@ProtonX]

nhìn như em hết RAM ấy, em tăng RAM lên thử xem nếu em dùng Colab Pro

[@-ChauGiaBao-TN]

@@ProtonX dạ em cảm ơn ạ

[@BinhNguyen-qb9cf]

Chào anh! Ví dụ khi em lỡ thêm quá 1 lớp Conv2D() vào model, thì ngoài việc em restart lại thì có cách nào xóa ra khỏi model không ạ! Do mới học python nên chưa biết xử lý ạ. Mong a và các anh chị chỉ giúp, e cảm ơn ạ!

[@ProtonX]

anh nghĩ em nên code trong một cell trên Colab rồi run lại ko nên dùng hàm xóa sẽ khá dễ gây nhầm lẫn.

[@Yourself98]

anh cho em hỏi là ảnh có đầu vào pixel lớn hay nhỏ thì sẽ tốt cho việc train ạ

[@ProtonX]

tùy theo em nhé nếu càng gần 1 thì càng rõ màu đen còn càng gần 255 càng rõ màu trắng mình nên quan tâm đến độ nét hơn là pixel lớn hay nhỏ.

[@wander2228]

Anh ơi, em chưa rõ lúc tạo model ạ, anh đang tạo model VGG16 hay model nào vậy à. Do em đọc em thấy VGG16 cần tới 13 conv layer rồi mới tới fully connected layer, nhưng trong vid anh chỉ add 4 conv layer rồi add luôn fully connected layer ạ. Em chưa rõ lắm, mong anh phản hồi, em cảm ơn.

[@ProtonX]

mini VGG để học CNN thôi em chứ không là VGG nhé em.

[@thangduong518]

Làm thế nào để mình xây dựng được kiến trúc mạng CNN cho bài toán nhận diện biển báo giao thông như anh đang làm vậy ạ?

[@ProtonX]

Em bỏ bớt lớp CNN và Pooling đi nhé.

[@duongquanghuy9923]

anh ơi cho em xin slide của buổi này đc k anh

[@ProtonX]

Slide ở đây nhé bạn. protonx.coursemind.io/courses/626fea1fc872f1001258a452/topics/6270dd9efbaad00013158f65?activeAId=66336f09c12a1100142a5a22

[@ThanhNguyen-jb6ze]

Anh cho em hỏi mình có thể custom model này cho regression được ko ạ

[@ProtonX]

được nhé em em đổi loss thành MSE là được nhé em.

[@prochi6910]

cho em hỏi tại sao lại chọn FILTER (32,(3,3) v anh

[@ProtonX]

Em xem chi tiết về bộ lọc trong CNN để hiểu rõ hơn nhé: protonx.io/courses/626fea1fc872f1001258a452/topics/632b10f7f82048001a01cd8c

[@prochi6910]

@@ProtonX ok cảm ơn anh

[@hieutrinh740]

Ad share slide được không ạ

[@namnguyennhat4400]

Thầy ơi thầy cho em xin file slide được không ạ? Em muốn tìm hiểu thêm 1 một tí

[@dung7284]

cho em hỏi code chạy trên gg colab có thể chạy trên python được ko ạ

[@ProtonX]

có nhé em, môi trường linux nhé

[@TuanTran-ej2jo]

Cho mình hỏi mở file train.p thì mở bằng cách nào?

[@ProtonX]

Tuan Tran mình dùng thư viện pickle để mở có trong video nhé bạn

[@ngunguyenle6184]

data="./" la gì vậy anh

[@davidnguyen596]

CHo hỏi chút, model.add(Dense(512)) rồi tới model.add(Dense(43)). Sao không làm 1 lần xuống 43 luôn ạ?

[@ProtonX]

nếu em có nhiều layer hơn model phức tạp hơn có thể xấp xỉ data tốt hơn nhé e.

[@davidnguyen596]

@@ProtonX em cám ơn ạ

[@huyentrang6934]

neu code tren vscode thi kho qua

[@BinhNguyen-jp4wi]

a cho e hỏi sao lớp convu2d ban đầu có 896 trọng số vậy ạ

[@ProtonX]

32 bộ lọc cỡ 3 x 3 x 3. Thêm bias 32 nữa là thành 896 nhé em.

[@BinhNguyen-jp4wi]

@@ProtonX thanks a

[@hdev6986]

Cho em hỏi cách lấy train và label của bộ dữ liệu có 2 dạng cấu trúc sau ạ: 1. Trường hợp thư mục ảnh dataset(folder): label1(folder):image1->n label2(folder):image1->n label3(folder):image1->n 2. Trường hợp thư mục kết hợp với file csv dataset(folder): image1--> n file.csv: col1:image_name col2: label em không biết làm sao để đưa nó vào tập train ạ, mong anh chỉ giúp ạ!!!

[@ProtonX]

em thử đọc bằng pandas các link và dựa vào các command line để di chuyển ảnh vào folder cho phù hợp, cái này liên quan nhiều đến các thao tác file hơn.

[@hdev6986]

@@ProtonX em thấy tensorflow có phương thức gọi folder, ý anh là với trường hợp 2 mình tìm cách tách nó về thành trường hợp 1 ý ạ

[@namdevvn9568]

Em đăng ký lớp học miễn phí rồi nhưng không thấy link docs trên video ở đâu ạ

[@ProtonX]

em đăng ký ở đây nhé: protonx.coursemind.io/courses/626fea1fc872f1001258a452

[@namdevvn9568]

@@ProtonX em đăng ký với vô học rồi á nhưng em không thấy cái link docs để chỗ nào ấy ạ

[@ProtonX]

@@namdevvn9568à cái link đó cũ rồi, em học qua link lớp nhé

[@namdevvn9568]

@@ProtonX vậy link data .zip ở trên video thì e lấy chỗ nào ạ

[@atNguyen-xy7ue]

Em để ý là data có hơn 30000 ảnh, còn số lượng param là hơn 60000. Em muốn hỏi số lượng data point tương quan với số lượng param ntn thì ổn ạ

[@ProtonX]

Cái này theo kinh nghiệm là số pixel tương đồng số params. ví dụ 60000 ảnh 28*28 thì sẽ có 60000 * 28 * 28 pixels. mình xây dựng mạng sao cho tương đồng nhưng vấn đề này vẫn phải do kinh nghiệm, đây chỉ là best practices cho hầu hết các trường hợp thôi em nhé, mình vẫn phải fine tuning trong trường hợp bị overfitting.

[@phuongooooo]

anh cho em xin link docs để lấy các link với ạ

[@ProtonX]

Tất cả nội dung trong này nhé em: protonx.io/courses/626fea1fc872f1001258a452

[@HungNguyen-bk1jn]

Mô hình học để phân loại âm thanh thì sao ạ?

[@ProtonX]

cũng sẽ tương tự nhé em, em chuyển audio thành dạng tensor là được nhé.

[@HungNguyen-bk1jn]

@@ProtonX em cam on aa

[@Thanhdny]

Cho em hỏi lúc em thực hiện từ đầu đến cuối đều chạy được hết nhưng tới dòng này: saved_model = tf.keras.models.load_model("TrafficSign.h5") thì nó báo lỗi như v ạ, anh chỉ giúp em. --------------------------------------------------------------------------- OSError Traceback (most recent call last) in () ----> 1 saved_model = tf.keras.models.load_model("TrafficSign.h5") 1 frames /usr/local/lib/python3.6/dist-packages/tensorflow/python/saved_model/loader_impl.py in parse_saved_model(export_dir) 111 (export_dir, 112 constants.SAVED_MODEL_FILENAME_PBTXT, --> 113 constants.SAVED_MODEL_FILENAME_PB)) 114 115 OSError: SavedModel file does not exist at: TrafficSign.h5/{saved_model.pbtxt|saved_model.pb}

[@ProtonX]

em chạy hàm save trước để có model rồi mới load lại được nhé :D

[@anhvietdang5131]

ở layer Convolution đầu tiên, ảnh có kích thước 32*32*3 kernel có kích thước 3*3 thì tính đúng ra thì số lượng kernel phải là (32 - 3 + 1) ^2 = 900 Nhưng anh khi báo chỉ là 32 Anh giải thích đoạn này được không a Tks anh Btw, video quá xuất sắc :d

[@ProtonX]

Em xem ở phút mấy nhắn ad nhé :D

[@anhvietdang5131]

@@ProtonX 34:25 add layer đâu tiên

[@ProtonX]

@@anhvietdang5131 Số lượng kernel vẫn là 32 nhé em tính theo bộ: 1 kernel là cỡ 3 x 3 x3 vì ảnh có 3 channel còn thêm 1 bias nữa. Vậy tổng số param sẽ là (3 x 3 x 3 + 1) x 32 = 896.

[@anhvietdang5131]

@@ProtonX tks a

[@haoinh480]

a cho em xin slide của a đc ko ạ em đang cần ạ em cảm ơn

[@ProtonX]

Em lấy slide trong này nhé: protonx.io/courses/626fea1fc872f1001258a452/topics/6270dc4efbaad00013158d3b

[@haoinh480]

@@ProtonX e cảm ơn a ạ

[@LocalOfficialx]

Thầy ơi em bị lỗi TypeError: unhashable type: 'numpy.ndarray' như này thầy giúp em với

[@xuanvumai3323]

anh ơi lúc em dùng lệnh with open thì nó bị lỗi:PermissionError: [Errno 13] Permission denied: './Train' ạ ? Em fix quài mà ko được ạ? Mọi người giúp em với

[@ProtonX]

chắc do phân quyền em đang dùng colab hay jupyter thế em?

[@xuanvumai3323]

@@ProtonX em dùng jupyter ạ!

[@ProtonX]

Xuân Vũ Mai anh nghĩ em nên dùng colab còn lỗi kia do phân quyền em k truy cập được vào bộ train thì phải

[@hangngo28092]

em xin link data ạ

[@ProtonX]

Ở đây nhé em: protonx.io/courses/626fea1fc872f1001258a452/topics/6270dc4efbaad00013158d3b?activeAId=652d091d6e3e600013cf52e3

[@ufoufo121]

có ai học xong hiểu tường tận cho em hỏi chút ạ?

[@ProtonX]

UFO UFO cứ hỏi đi e

[@ufoufo121]

@@ProtonX a ơi, sao mỗi lần em mở lại google colab là em phải run lại toàn bộ z! nếu như code dài quá thì sao? có cách nào mở lên là code luôn ko ạ?

[@ProtonX]

@@ufoufo121 Vì nó thiết kế dạng thử nghiệm các đoạn code nhỏ riêng biệt, nếu em muốn chạy một lần được hết thì em bỏ vô chung 1 cell là được.

[@ufoufo121]

@@ProtonX e hiểu r, thank a

[@ue45vn]

kzbin.info/www/bejne/Z2StaXyalJ51b9E Cảm ơn rất nhiều!

[@thanhnguyen-xe4nb]

Quá tuyệt vời; cảm ơn anh nhiều!

[@dung.nt085]

cảm ơn anh