Part0:前言

昨天先將資料格式整理好，並且取得AlexNet的預測表現後就跑去睡覺，但~疫苗副作用身體酸痛到睡不著(╥﹏╥)，翻來翻去熬到凌晨4點終於決定吞顆普拿疼，最終快5點才睡著，早上8點起床竟然覺得精神還不錯，真不知道是不是昨天模型有訓練出來，太興奮+肌肉痠痛到睡不著，真是非常精采的這幾天呀XDD

晚餐決定久違的自己下廚煮最愛的韓國拉麵，準備好食材要開伙前，突然想到應該要先跑程式，因為競賽集預測要1到1.5小時~ 匆匆忙忙開筆電開始設定，看到進度條順利跑起來，就放心煮飯去啦~ 很悠哉的吃晚餐、練提琴後，接著飯後散步，最後接近傍晚10點端了杯熱茶，開啟鍵盤電源輕鬆愉快的打下這篇午休時就想好的內容，分享這一個月的學習經歷~

Part1:今日目標

1.比較各模型在競賽公開測試集的預測表現:AlexNet, ResNet, EfficientNet
2.鐵人賽目標完成度確認
3.參賽心得
4.後續規劃

Part2:內容

1.比較各模型在競賽公開測試集的預測表現

• 評估方式採用Weighted-Precision(WP)，且各類別F1-score需大於0.7:

• 平台運算結果:

• 預測結果總整理:

2.鐵人賽目標完成度確認

自己當初參加鐵人賽的動機: CV資料處理技巧、CV影像辨識模型、如何有效率和有系統地推進專案進度。
到了鐵人賽中期，經過一半賽事後確定此次鐵人賽要完成的目標:
(詳情請參考 D16-中繼站:前半段賽程回顧&後半段賽程規劃)
針對完成度給分1~5分 (一個🌕代表1分)

(1)理論部分:

• 認識經典的影像處理模型，統整出一套有效率閱讀Paper和理解新模型設計的工作技能:🌕🌕🌓
• 認識常見的深度學習(deep learning)模型設計，了解每個設計提供的幫助和限制。🌕🌕🌕

(2)實作能力:

• 能使用Pytorch進行影像前處理: 平移、翻轉等資料擴增技巧🌕🌓
• 能使用Pytorch手刻神經網路🌕🌕🌕
• Pretrained model操作能力，能使用在此次影像模型競賽🌕🌕🌕

3.參賽心得

(1)透過這次的操作，自己有很多很好的收穫:

• 對Pytorch的tensor操作更加熟悉，提升Debug速度。
• 能按照不同任務去修改Pretrained model以進行Transfer learning。
• 透過導讀論文，了解AlexNet, ResNet, EfficientNet等模型設計技巧。
• 能夠自己建立Dataset, DataLoader，以進行有效率的Batch運算。

(2)美中不足在這次鐵人賽較沒琢磨到的: (操作複雜度低至高排列)

• 進行圖片不同前處理技巧實驗: 搜尋網路常見有效的前處理技巧或農作物圖片類別預測文獻中提過的方法。
• 善用訓練資料集專家所提供的準心標註: 看是否對圖片做裁切，有機會能提高預測表現。
• 串接外部資料: 利用競賽平台提供的圖片經緯度位置，串外部資料作為圖片額外資訊做為訓練資料，也許有機會提高表現~ 因為經緯度在附近的作物有蠻高機會為同一種農作物的。
• 租用雲端設備: 租借雲端高速運算機器，提高運算效率，但需要時間摸索AWS, Azure或GCP環境~因為用自己的筆電，一個晚上八小時只能訓練一個模型:joy:

4.後續規劃

(1)隊友徵才:技術顧問、工程師隊友(站內信、IG)
(2)將上述美中不足，還沒有應用的資料處理技巧、訓練資料提供的準心資訊等實作，目標提高模型的預測表現!
(3)發想下一個30天計畫要做甚麼主題~

Part3:專案進度

開心完成鐵人賽目標，做了完整的總結、檢驗和下一步學習規劃!

Part4:下一步

徵詢高手前輩們對這個專案的建議&繼續針對上述美中不足尚未學習的部分補上，讓自己技能點繼續提升!

心得小語:
圓滿的結束鐵人賽，這30天自己辛苦了~也感謝家人朋友的包容，婉拒了聚餐約會郊遊的時光做了些犧牲，但看著自己的學習與成長，覺得很值得~ 知道人外有人，自己只是一個小菜鳥，還有很多需要學習精進的，期許自己莫忘Debug成功的成就感，持續學習與成長，長成自己想要的樣子囉~~ 也感謝一起奔跑學習的大家，祝福大家一切順利，平安健康!
今日工時: 50min*2

做你想做的夢吧，去你想去的地方吧，成為你想成為的人吧，因為你只有一次人生，去做所有那些你想做的事。
Dream what you want to dream; go where you want to go; be what you want to be, because you have only one life and one chance to do all the things you want to do.