iT邦幫忙

2021 iThome 鐵人賽

0
AI & Data

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列 第 31

【31】30天在Colab嘗試的30個影像分類訓練實驗 - 完賽心得

  • 分享至 

  • xImage
  •  

比賽動機

這是我第三次參加鐵人賽,每次參賽都剛好隔一年,後來我發現這樣的間隔其實很剛好,因為在中間的間隔中,會比較有時間可以思考要寫什麼,而且也是因為自己有比較多的成長,才有比較可以拿得出來分享的東西。

我自己很喜歡 Effective XXX 系列的書籍(XXX可以是Java Python等),這系列的書籍編排都會有好幾個 Item,每個 Item 都只介紹一個簡單的觀念,所以你可以不用照順序把書讀完,或者是複習時,從 Item 的名稱可以很快找到你想看的頁碼,因此我這次在設計題目時,就盡量將實驗以天為單位當作 Item,各位讀著可以從標題找自己有興趣的文章讀。

這系列文最辛苦的地方

我覺得最麻煩的地方是有些實驗需要較長的時間來執行,而 Colab 其實有限制帳戶連線時間,只要時間一到,你可能又要等個兩天等官方給你權限使用 GPU,因此我自己的解決辦法是把 Colab 分享給另一個帳號編輯權限,這麼一來就可以不受使用時間限制XD。

另一個我覺得比較困難的點是,因為我的主題大部份會先有個假設,然後再實際訓練,因此我無法確定實驗的結果和我預期的相同,這和寫一篇你本來就很確定的一篇教學文感覺很不一樣,所以各位讀者如果有看到我程式碼有問題的地方,還請不吝指教。

完賽心得

呼!當然是又覺得完成一件大事,體感上我這次的系列文比前兩次還匆忙,雖然我在賽前就已經想好這30篇要寫什麼內容,但我還是必須先把 Colab 的程式碼先寫好並訓練好才有辦法寫內文,在第20天後撰寫非常緊湊,但最終還是達成了!

看到以前自己發文時間點,突然覺得時間過得真快(四年了...),第一次參加鐵人賽時,還是機器學習領域的新手,後來經過職場多次的訓練經驗,訓練一個模型已經變成很平常的事情,偶爾腦中就會有些 WHAT IF 的想法,這次鐵人賽剛好可以幫這些假設做實驗,解答自己心中的疑惑,讓每次的鐵人賽成為自己進步過程的紀錄點。


上一篇
【30】使用混合精度(Mixed precision) 對訓練產生的影響
系列文
30 天在 Colab 嘗試的 30 個影像分類訓練實驗31
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言