LEARNDO / HỌC QUA VIỆC LÀM
Mở một bài, làm theo ví dụ nhỏ, rồi thử trên dữ liệu của bạn. Giải thích vừa đủ để hiểu mình đang làm gì.
Các bài đã đăng được phân bổ ngày hiển thị theo lộ trình, từ cũ đến mới. Ngày xuất bản đã lưu vẫn có trong từng bài.
NumPy · Nền tảng AI / 8 phút đọc
Theo lộ trình ·
Cơ bản · Đã đọc các bài nền tảng trong cùng chủ đề
So một cách chia theo từng ảnh với cách chia theo nhóm, rồi kiểm tra giao nhau giữa các phiên chụp.
Mở bài hướng dẫnPyTorch · Học sâu / 25 phút đọc
Theo lộ trình ·
Cơ bản · Thực hành · Python và PyTorch
Bạn sẽ chia tập dữ liệu trước khi tính thống kê chuẩn hóa. Cách làm này giúp thông tin từ tập đánh giá không lọt vào quá trình học.
Mở bài hướng dẫnPyTorch · Học sâu / 25 phút đọc
Theo lộ trình ·
Cơ bản · Thực hành · Python và PyTorch
Bạn sẽ tự xây một CNN nhỏ và kiểm tra kích thước sau từng lớp. Qua đó, bạn nối được ảnh đầu vào với số điểm dự đoán ở đầu ra.
Mở bài hướng dẫnPyTorch · Học sâu / 20 phút đọc
Theo lộ trình ·
Cơ bản · Thực hành · Sau Dataset/DataLoader
Bạn sẽ nối các bước đọc dữ liệu, huấn luyện, đánh giá và lưu mô hình. Cuối bài, bạn nạp lại trọng số để kiểm tra kết quả.
Mở bài hướng dẫnPyTorch · Học sâu / 25 phút đọc
Theo lộ trình ·
Cơ bản · Thực hành · Python và PyTorch
Bạn sẽ đổi giữa chế độ học và đánh giá để xem Dropout, BatchNorm hoạt động khác nhau ra sao. Bài cũng phân biệt eval với việc tắt tính gradient.
Mở bài hướng dẫnPyTorch · Học sâu / 25 phút đọc
Theo lộ trình ·
Trung cấp · Thực hành · Python và PyTorch
Bạn sẽ áp dụng phép biến đổi ngẫu nhiên lên ảnh học và theo dõi kết quả. Chọn phép biến đổi phù hợp giúp mô hình gặp nhiều tình huống mà vẫn giữ đúng nhãn.
Mở bài hướng dẫnPyTorch · Học sâu / 25 phút đọc
Theo lộ trình ·
Trung cấp · Thực hành · Python và PyTorch
Bạn sẽ đánh giá riêng từng lớp khi dữ liệu có lớp nhiều, lớp ít. Ma trận nhầm lẫn giúp phát hiện những lỗi mà độ chính xác chung che khuất.
Mở bài hướng dẫnPyTorch · Học sâu / 25 phút đọc
Theo lộ trình ·
Trung cấp · Thực hành · Python và PyTorch
Bạn sẽ cố định một phần mạng rồi mở từng nhóm tham số để tinh chỉnh. Bài giúp bạn kiểm tra nhóm nào thực sự thay đổi khi huấn luyện.
Mở bài hướng dẫnPyTorch · Học sâu / 25 phút đọc
Theo lộ trình ·
Trung cấp · Thực hành · Python và PyTorch
Bạn sẽ lưu trạng thái huấn luyện rồi tiếp tục từ bản lưu. Ngoài trọng số, bộ tối ưu và nguồn ngẫu nhiên cũng ảnh hưởng đến bước học kế tiếp.
Mở bài hướng dẫnPyTorch · Học sâu / 25 phút đọc
Theo lộ trình ·
Trung cấp · Thực hành · Python và PyTorch
Bạn sẽ so sánh SGD và Adam trên cùng một bài toán. Giữ điều kiện thí nghiệm giống nhau giúp bạn đọc đúng tác dụng của từng cách cập nhật.
PyTorch · Học sâu / 9 phút đọc
Theo lộ trình ·
Trung cấp · Python và tensor
Bạn sẽ dùng kiến thức ResNet đã học để phân biệt hai loại lá. Bài hướng dẫn cách chuẩn bị ảnh, huấn luyện lớp đầu ra và thử mô hình với ảnh mới.
NumPy · Nền tảng AI / 14 phút đọc
Theo lộ trình ·
Trung cấp · Biết Python và NumPy cơ bản
Một chiếc cốc có thể nhận nhiều hộp dự đoán. Bạn sẽ dùng IoU để đo mức chồng lấp và NMS để chọn lại các hộp theo từng lớp.
Mở bài hướng dẫn
