国外最火的深度学习实践课新版发布，100%全新前沿内容

Jeremy 会教我们创建一个模型，用来区分泰迪熊和灰熊。

△ 图像分类器

这节课的后半部分，将从头开始训练一个简单的模型，创建我们自己的梯度下降回路。

△ 梯度下降

第三课：数据块、多标签分类、分割

我们从第 3 课开始研究一个有趣的数据集：Planet 的从太空了解亚马逊。

为了将这些数据转化为我们需要用于建模的形式，我们将使用 fastai 最强大的唯一工具：数据块 API。这个 API 以后还要用很多次。

学完本课后，如果你准备学习更多关于数据块 API 的知识，请查看这篇文章：Wayde Gilliam 的《Finding Data Block Nirvana》：
https://blog.usejournal.com/finding-data-block-nirvana-a-journey-through-the-fastai-data-block-api-c38210537fe4

Planet 数据集是一个多标签数据集。也就是说：每个 Planet 图像可以包含多个标签，而我们看过的先前数据集每个图像只有一个标签。我们将看看我们需要对多标签数据集进行哪些更改。

△ 图像分割

接下来，我们将看一下图像分割。我们将使用与早期图像分类模型类似的技术，并进行一些调整。fastai 使图像分割建模和解释与图像分类一样简单，因此不需要太多的调整。

本课程的这一部分使用的是CamVid数据集，它的误差远远低于其他任何学术论文中的模型。

第四课：NLP、表格数据、协同过滤、嵌入

在这节课中，Jeremy 给我们制定的目标是，预测电影评论是积极的还是消极的，称之为情绪分析。我们将使用 IMDb 电影评论数据集深入研究自然语言处理（NLP）。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!