Семинар. Transfer Learning в компьютерном зрении

Занятие ведёт Никита Балаганский.
---
Ссылка на папку с материалами: colab.research...
Deep Learning School при ФПМИ МФТИ
Каждые полгода мы запускаем новую итерацию нашего двухсеместрового практического онлайн-курса по глубокому обучению. Наборы проводятся в августе-сентябре и январе-феврале.
За нашими новостями можно следить здесь:
Наш канал в TG: t.me/deep_lear...
Официальный сайт: dls.samcs.ru/ru/
Официальная группа ВК: dlschoo...
Github-репозиторий: github.com/DLS...
Поддержать канал можно на Boosty: boosty.to/deep...
ФПМИ МФТИ
Официальный сайт: mipt.ru/educat...
Магистратура: mipt.ru/educat...
Онлайн-магистратура "Современная комбинаторика": omscmipt.ru/
Онлайн-магистратура "Цифровая экономика": digec.online/
Лаборатории ФПМИ: mipt.ru/educat...

[@СемёнШудегов]

Доклад бомба. Одни из самых полезных 61 минуты в моей жизни

[@sergeshirokov6064]

Спасибо огромное Никите! Отличная подача, полезный код и крайне действенный метод, который реально помогает оптимизировать работу сети! Здорово

[@tonygrass5603]

4:14 - Практическая часть 4:56 - Аугментация и нормализация датасета 7:56 - Инициализация датасета 12:00 - Цикл обучения 18:56 - Расчет loss и accuracy 20:50 - Функция для отрисовки тестовых изображений и предсказаний для них 21:37 - AlexNet 24:00 - Fine Tuning 27:48 - Построение графиков loss 30:40 - Feature Extractor способ 32:45 - Смешанный способ 35:10 - Способ с применением разных learning rates для различных слоев 41:10 - VGG 42:36 - Inception_v3 48:40 - Resnet 51:50 - Group convolution 57:02 - Efficient Net

[@karimvaliev8031]

Никита отличный семинарист, объясняет каждую строчку. Татьяна супер лектор. Спасибо

[@vladislavleonov2682]

model_extractor.AuxLogits.fc = nn.Linear(768, 2) model.fc = nn.Linear(2048, 2) Во второй строке наверно всё же должен быть model_extractor

[@fedorlaputin9119]

Это что бы было, если бы Капитан Америка попал в капсулу не по прокачки тела, а по прокачки мозга

[@vadim7449]

15:26 Неплохой else, осмысленный

[@Mori-gd5nw]

ахахах, ну да, память чувак умеет гонять

[@vladislavleonov2682]

Почему print("Accuracy: {0:.4f}".format(evaluate(model))) везде выдаёт точность не Best val Acc, а с последней эпохи?

[@vladislavleonov2682]

best_model_wts = copy.deepcopy(model.state_dict()) Скорее всего копирование надо делать так

[@vitok-xd9wq]

Наверное, лучшая эпоха последняя или переменной не присваиваеться значение переменной.

[@alexanderskusnov5119]

ссылка на папку ... Гугл-диск: в папке ничего нет Зачем так делать? kzbin.info/www/bejne/hF6bm556prdobrc

[@ermilovim]

drive.google.com/drive/folders/1E8iF1NWCJN1_cv3MmEI9vMj8PMUEa0po

[@serjmollecule]

Звук не очень. Так - спасибо, хорошая инфа!

[@baidiuk1]

Спасибо огромное, очень толковый семинар! К сожаление, ссылка в описании ведет на старый ноутбук. Возможно ли загрузить обновленный ноутбук соответстующий видео?

[@sergeyworm1476]

Спасибо за видео! *Замечу:* Автор сказал, что ставить num_workers больше чем ядер процессора нет смысла. Думаю, это не так. Ведь при чтении с диска много операций ввода-вывода, во время ожидания которых ЦПУ может далать предобработку уже загруженных данных. Так что есть смысл ставить num_workers больше чем ядер процессора. Думаю здесь как и с параметром "-j" утилиты make -- есть смысл ставить num_workers=(2*cpu_cores).