以下是我自己这一路学习ML过程中,整理出来的ML研究与实作,使用的演进脉络,纯属个人观感,并未有任何理论说明是这样区分。
因为网路上的资料实在太多,这个领域的知识和做法又在快速地进展,然而看太新的资料在没有基础的知识支撑之下,除了看不懂根基也不扎实,看太旧太基础的资料又晦涩难懂,实务上好像得要花上几年摸索才能商业化,到底怎麽有效率的学习这门学科并应用,实在是莫大的痛点。
了解了ML训练模型,其实本自於数学运算,那麽就可以开始写程序了,数学函式,譬如说梯度下降法会用到的微分,偏微分,启动函式等等,其实可以用程序的方式写出,网路上也不少参考资料。
搭配读取进来的资料,整理成适当的资料格式後,传入数学运算的训练函式,执行後就可以拿到结果。
以上好比只用基础语法if/else、for回圈、switch等等,很辛苦的手刻各种东西,但相对若能手刻做一次,一定令人体验深刻。
有些固定的数学运算方式写成library是不是方便许多了?大家也可以不用重复造轮子,python的许多套件便是为了这样产生,甚至是为了数学运算的效率而生,例如numpy套件,专门为了矩阵运算效率成为广泛使用的套件之一。
这些套件并不是像我们写golang那样,也许只是外面多包一点,参入一些自己需要的功能,反而是为了需求或运算效率而产生。
以上好比有了function、class、package的概念,世代又更进一步的演进。
如果想要更懒呢?就是衍生出框架的概念。
譬如说使用 sklearn.LinearRegression() ,就直接让框架帮我们执行回归模型的运算,需要细部的调教再另外设定参数。
以下列出三个比较常见的ML/DL框架,有兴趣可以参阅更详细的资料。
那麽选什麽框架,怎麽样调教才能获得最好的模型,或得到相对清楚的训练报告呢?
如果愿意花一点预算,Google Vertex AI功能可以提供这样的服务,花费的金额就我们来看,相对比请几个工程师便宜多了,当然需要比较客制化或使用进阶的功能,有能力的人才依然不可或缺。
在开始本次教学前,若对於专案建立与影片上传有任何疑问,欢迎去参考上一篇DAY4专案建立与影像标记流程...
09-12-2021 前言: 我们时常会在同一个页面中需要显示不同的画面,可能是因为登入时的登入画面...
终於进入到介绍 SASS 特点的区块啦~ 第一个要介绍的就是大名鼎鼎的 变数 Variable 的部...
什麽是 Vuex ? 为 Vue.js 开发的状态管理模式,集中管理元件的状态。 像是电商网站中的购...
今天⋯不太舒服⋯只摘要了 6 页 >"< 对很多人而言,「工具」一词代表一项「...