原文：Deep Learning 2: Part 1 Lesson 1

作者：Hiromi Suenaga

• 课程论坛

入门 [0:00]：

• 为了训练神经网络，你肯定需要图形处理单元（GPU） - 特别是 NVIDIA GPU，因为它是唯一支持 CUDA（几乎所有深度学习库和从业者都使用的语言和框架）的设备。
• 租用 GPU 有几种方法：Crestle [04:06] ，Paperspace [06:10]

Jupyter 笔记本和猫狗识别的介绍 [12:39]

• 你可以通过选择它并按下shift+enter来运行单元格（你可以按住shift并多次按enter键来继续下拉单元格），或者你可以单击顶部的“运行”按钮。单元格可以包含代码，文本，图片，视频等。
• Fast.ai 需要 Python 3

%reload_ext autoreload  
%autoreload 2  
%matplotlib inline 

# This file contains all the main external libs we'll use  
from fastai.imports import * 

from fastai.transforms import *  
from fastai.conv_learner import *  
from fastai.model import *  
from fastai.dataset import *  
from fastai.sgdr import *  
from fastai.plots import * 

PATH = "data/dogscats/"  
sz=224 

先看图片 [15:39]

!ls {PATH} 

models sample test1 tmp train valid

• !表明使用 bash（shell）而不是 python
• 如果你不熟悉训练集和验证集，请查看 Practical Machine Learning 课程（或阅读 Rachel 的博客）

!ls {PATH}valid 

cats dogs

files = !ls {PATH}valid/cats | head  files 

['cat.10016.jpg',  'cat.1001.jpg',  'cat.10026.jpg',  'cat.10048.jpg',  'cat.10050.jpg',  'cat.10064.jpg',  'cat.10071.jpg',  'cat.10091.jpg',  'cat.10103.jpg',  'cat.10104.jpg'] 

• 此文件夹结构是共享和提供图像分类数据集的最常用方法。 每个文件夹都会告诉你标签（例如dogs或cats）。

img = plt.imread(f' {PATH} valid/cats/ {files[0]} ')  plt.imshow(img); 

• f'{PATH}valid/cats/{files[0]}' - 这是一个 Python 3.6 格式化字符串，可以方便地格式化字符串。

img.shape 

(198, 179, 3)

img[:4,:4] 

array([[[ 29, 20, 23],  [ 31, 22, 25],  [ 34, 25, 28],  [ 37, 28, 31]], 

[[ 60, 51, 54],  [ 58, 49, 52],  [ 56, 47, 50],  [ 55, 46, 49]], 

[[ 93, 84, 87],  [ 89, 80, 83],  [ 85, 76, 79],  [ 81, 72, 75]], 

[[104, 95, 98],  [103, 94, 97],  [102, 93, 96],  [102, 93, 96]]], dtype=uint8) 

• img是一个三维数组（又名 3 维张量）
• 这三个维度（例如[29, 20, 23]）表示 0 到 255 之间的红绿蓝像素值
• 我们的想法是利用这些数字来预测这些数字是代表猫还是狗，基于查看猫和狗的大量图片。
• 这个数据集来自 Kaggle 竞赛，当它发布时（早在 2013 年），最先进的技术准确率为 80%。

让我们训练一个模型 [20:21]

以下是训练模型所需的三行代码：

data = ImageClassifierData.from_paths(PATH, tfms=tfms_from_model(resnet34, sz))  
learn = ConvLearner.pretrained(resnet34, data, precompute= True )  
learn.fit (0.01, 3) 

[ 0. 0.04955 0.02605 0.98975]  [ 1. 0.03977 0.02916 0.99219]  [ 2. 0.03372 0.02929 0.98975] 

• 这将执行 3 个迭代，这意味着它将三次查看整个图像集。
• 输出中的三个数字中的最后一个是验证集上的准确度。
• 前两个是训练集和验证集的损失函数值（在这种情况下是交叉熵损失）。
• 开始（例如，1.）是迭代数。
• 我们通过 3 行代码在 17 秒内达到了 ~99% （这将在 2013 年赢得 Kaggle 比赛）！[21:49]
• 很多人都认为深度学习需要大量的时间，大量的资源和大量的数据 - 一般来说，这不是真的！

阅读更多