fastai
开此帖记录一下心得
Practical Deep Learning for Coders - Practical Deep Learning
A free course designed for people with some coding experience, who want to learn how to apply deep learning and machine learning to practical problems.
youtube视频看了两节视频,觉得看jupyter notebook更适合自己
沉浸式翻译的插件配合从gemini免费申请的api,阅读毫无障碍
💡
如果你是一个宁愿动手做东西也不愿花几年时间学习抽象概念的人，那么你就会明白我的出发点了！留意我的侧边栏，从中找到最适合数学或正式技术背景较弱的人的信息——也就是说，像我这样的人……
官方ipynb文件的字太多了,昨天看了一天好累,虽然有在看完之后复现一下主要代码,但是大部分时间没有写代码会无聊死的,而且效果很不好,现在是在colab另外开一个文档跟着复现代码,不再关注文字部分,只会在有不理解的地方回过头看文字的解释,效果好很多,另外有好多我很喜欢的概念和思想,想单独记录
我好想悟了,不需要去钻得太深,fastai在pytorch之上,省略了很多自己构建的过程,明白它针对不同任务的策略就行.
💡
数学中展示的内容，将会在代码中实现。这只是谈论同一件事的另一种方式！阅读几篇论文后，你会逐渐掌握更多的符号。如果你不知道一个符号是什么，试着在维基百科的数学符号列表中查找它，或者在Detexify中画出它，它（使用机器学习！）会找到你手绘符号的名称。然后你可以在线搜索该名称，以找出它的用途。
每天都要夸一夸,fastai真的让我这样没有什么资源,不愿花时间等模型训练几个小时的人玩到了神经网络.
GPU只有在并行执行大量相同的工作时才有用
最近两篇post 09,10写的很水,先不要往前看了吧,回过头做个小项目巩固一下,而且收了一个v6的大盘鸡还没时间倒腾,接下来是 happy code!
做了一个语音情绪识别的小项目, 发现以前写的blog真是一点用都没有呢, 只是在当时理清思路有用, 后续会考虑新开一个帖子, 写下数据预处理, 训练模型, 部署到生产环境各步骤的总结, 方便以后翻阅.