各位夥伴，昨天我們學習了遷移學習的概念，知道我們可以站在 VGG 或 ResNet 這些巨人的肩膀上。今天，我們就要確定要讓這些巨人為我們做什麼——規劃你的專案 (Idea)，並準備好巨人的食糧——資料集 (Dataset)。

我這次做的是:自然災害影像分類
專案目標： 建構一個模型，能將輸入圖片準確地分類到N個自然災害類別中（例如：乾旱 Drought、海嘯 Tsunami、龍捲風 Tornado、沙塵暴 Sandstorm 等）。輸出成果： 輸出圖片屬於哪一種災害的機率，提升災情回報效率。

二、我的資料集準備 (The Dataset)：
我蒐集到的影像資料集切分成三個至關重要的部分

2. 對數量與平衡的要求
   *數量要求： 即使使用了遷移學習，我也盡可能確保每個類別的圖片數量在 100-200 張以上。

*類別平衡 ： 我想努力維持每個災害類別的樣本數量大致相等。這樣做是為了防止模型偏向預測數量多的類別，導致我的訓練結果失真。

我已經完成了專案的構思、資料的蒐集與結構規劃，並制定了對抗資料稀缺的策略。我的目標明確：利用 ResNet34 的強大基底，打造一個高效的災害影像分類模型。接下來，我們要將這些靜態的圖片檔案，轉化為 PyTorch 能夠處理的動態資料流。