由于我现在做的一个小项目,需要用到图像识别,然后我找到了飞浆这个框架。在这7日打卡营中因为许多术语没有学习过,所以学习得很是艰难。但是因为前期从网络上学过一丁点前置知识,所以还算是可以看懂。
然后我就此总结出学习这个打卡营的前置条件:
第一:Python语言,不会Python基本上你是基本不可能入门的了的,因为现在做的项目都是以Python语言为基础,特别是关于对文件路径读写,文件的各种操作,比如转换格式,对图片的基本操作,还有字典、列表、类等等。身为Python基础不牢固的我,现在还是不可能脱离面向复制粘贴的编程。
第二:要会基本的linux原理与操作,因为百度项目的环境应该是以linux为底做的,路径操作和windows差别很大,如果不使用python去读取文件转移代码到win平台上会出现很多毛病。
第三:应该要提前了解一下‘机器学习’前置知识,比如什么是优化器、损失函数、测试集、训练集、数据的划分等等,以及他们之间的联系,不然在项目调优时会不知所措。
第四:你起码得是读了大一或者自学了高等数学、线性代数、概率论等等课程,不然数学将会是你学习的一大难题。
在前置条件基础有一些后,就可以跟着打卡营老师去学习了。学习过程中,飞浆的官方文档是理解项目代码的一个好工具,代码报错时,可以用一下百度翻译,不要遇到问题就去问群里的人,不然问清楚后,发现自己百度一下就可以得出的简单答案这就不应该了。
对于数据集,这次打卡营没有关于数据集制作的教程,不过大家不要忽略了,这个在自己去做项目的时候如果不清楚里面的结构是什么样子的,后面直接做不了。所以研究数据集的结构,自己尝试去制作数据集也是一门重要的课程。关于这个可以去飞浆文档去看看。
对于网络构建,我认为最主要是要先从网络结构去理解各个参数的意义,这样计算的时候才不会感到迷惑。比如输入数据是怎样的、经过一层网络后输出会有什么变化,最后一层输出该是什么,这个可以多多参考别人公开的项目。关于激活函数的选取,这个就需要自己去网络上查找答案了。
最最最重要的是要及时去参加老师发布的作业,经验都是要在直接参加项目之后自己去各种实践才能体会出来。
认真做作业,及时答问卷还会发一本教材。里面介总结了数学基础、经典理论和模型等内容。很实用。
可以看看“机器学习的故事”和“手把手教深度学习”的课程。
学习的很仔细啊。确定不是科班? 哈
加油,共同进步。