本节课内容很多！一开始我们要看一个非常有趣的数据集：Planet's Understanding the Amazon from Space. 为了让数据能“喂给”模型，我们需要用fastai强大且独特的data block API工具来处理数据。在后续的课时中，我们也会反复使用这个API，数量掌握它能让你成为真正的fastai超级明星！当你完成本节课，如果你准备好学习更多data block API，可以看看这篇很棒的文章Finding Data Block Nirvana, 作者是 Wayde Gilliam.
planet数据集一个重要特征是多标签multi-label。也就是说：每张卫星图片可以包含多个标签/标注，而之前的数据集我们面对的是一张图对应一个标注。我们会学到需要做哪些调整来处理这个多标签问题。
接下来，我们将学习image segmentation 图片像素隔离，也就是对图片中每一个像素做类别标注，从而知道哪个像素对应哪个物体。我们会对前期所学的技巧做一些调整。fastai将图片像素隔离建模和解读做得跟图片分类一样简单，因此不会有太多需要调整的地方。
我们将用著名的Camvid数据集来做图片像素隔离。后续课时中，还会回头学习更多技巧。我们最终Camvid模型对比所能找到的已发表的最优学术水平，将进一步大幅降低错误率。
如果你的目标变量是连续的，而非类别，怎么办？我们将用下一个数据集keypoint来回答，我们将构建一个模型做高精度的脸部关键点预测。
- 第三课笔记 from @PoonamV
- 第三课 详尽笔记 by @hiromi
- 课程 notebooks需要 fastai 1.0.21 或更新. 请用
conda install -c fastai fastai(或其他合适你平台的代码),不要忘记用git pull更新 notebooks - Notebooks:
- Lesson 3 in-class discussion
- Links to different parts in video by @melonkernel
- 介绍ML背景知识的在线课程： -- Introduction to Machine Learning for Coders 作者 @jeremy -- Machine Learning 作者 Andrew Ng (coursera)
- Video Browser with Searchable Transcripts Password: deeplearningSF2018 (do not share outside the forum group) - PRs welcome.
- Quick and easy model deployment using Render
- Introduction to Kaggle API in Google Colab (Part-I) 作者 @mmiakashs
- Data block API
- Python partials
- MoviePy @rachel提到的 python 视频剪辑工具
- WebRTC example for web video 作者 @etown
- Nov 14 Meetup (wait list) Conversation between Jeremy Howard and Leslie Smith
- List of transforms in
vision.transformpackage
- Cyclical Learning Rates for Training Neural Networks Leslie Smith的论文
- ULMFit fine-tuning for NLP Classification used in
language_model_learner() - Michael Nielsen's book