Part1:今日目標

1.影像分類模型初探

Part2:內容

1.影像分類模型初探

就目前所學，有兩大類模型設置方法:
(1)用Pytorch自行搭建模型: 模型結構完全取決於個人設計，並從零使用訓練資料集進行模型訓練。
(2)使用預訓練模型(Pretrained model): 將已經使用大型資料集訓練過的模型做遷移學習(Transfer learning)，在自己的資料集上做訓練微調。

透過方法(1)實作，能從頭了解一個影像分類(Image Classification)模型，需要那些基礎結構。
方法(2)則是更細緻複雜的模型設計，透過實作專業演算法的模型架構，並經大量資料集訓練後的模型，讓方法(2)的預訓練模型有更優異表現，其中Pytorch提供多樣預訓練模型，涵蓋類別包括:

• 影像分類 (Image Classification)
• 物件偵測、實例分割 (Object Detection、Instance Segmentation)
• 語義分割 (Semantic Segmentation)等多種任務類型。

★ 參考: 目前Pytorch提供的預訓練模型列表。
其中不同預訓練模型比較，可參考下圖:

圖片來源

• 橫軸為模型預測錯誤比例，縱軸為運算時間，兩軸都為數值越小越好。
• 越左下角靠近原點處，模型運算速度較快且預測較為準確。
• 每個模型的泡泡大小代表模型參數數量，模型參數數量(model size)越多，則泡泡圓面積越大。

不論是上述哪種方法，模型基礎結構都有以下:

(1)載入資料 Load the data.
(2)定義模型架構 Define layers of model.
(3)定義損失函數 Define loss function.
(4)使用訓練資料集進行模型訓練 Train the model with training data.
(5)使用測試資料集進行模型表現測試 Test model on test data.

Part3:專案進度

• 了解現行模型有哪些實作方式。

Part4:下一步

• 先採行方法(1)，以自行搭建的CNN影像分類模型作為基準模型，並搭配D4準備好的訓練資料集進行模型訓練。
• 掌握Pytorch Pretrained Model的實作技巧。

心得小語:
今天下班後就鎖定英國女王國葬轉播，整個過程感到十分感動又有點感傷~ 
代表一個時代的君主就這樣走入歷史了~~
看著沿途英國民眾夾道相送，真的是位很令人敬仰的女王 
今日工時: 50min*3

✨Farewell to Queen Elizabeth II. Thank YOU✨

圖片來源

女王名言，關於逆境：
「當遇見生活中的困難，期許自己當那個為了未來起身奮鬥的人，而不是直接屈服於失敗。」
"When life seems hard, the courageous do not lie down and accept defeat; instead, they are all the more determined to struggle for better future."