目标：资料飞轮

在 [Day 02] Why MLOps — 从"地平说" 走向宇宙 我们提到了资料飞轮 (Data Flywheel) 代表的意义是更好的模型会使产品更好，而产品更好则会吸引更多使用者，更多使用者代表更多的资料，更多资料则又会让模型变得更好，如此生生不息的循环下去。
在这次铁人赛挑战的最後 project 中，我们就要试着来建立一个实践资料飞轮的应用。
首先，资料飞轮的概念就是藉由错误分析来了解模型的弱点并加以解决，如下图：

在 2019 的 Tesla Autonomy Day 中，Andrej Karpathy 提到了特斯拉如何利用这样的概念来改进自驾车的模型：

*图片来源：Tesla Autonomy Day

可以看到他们藉由增加模型表现较差的资料 (例如隧道内的影像) 来使模型更加进步。

Project 简介

而这次的 project 启发自 Daniel Bourke 在 Stanford CS 329S: Machine Learning Systems Design 给的部署教学，我们要建立一个名为 Ironbird 的台湾常见鸟儿分类模型。
其中模型使用 EfficientNetB0 作为 Backbone，并搭配 ImageNet 预训练权重做 Transfer learning。
在这个 Project 使用 ImageNet 预训练权重特别有效的原因在於 ImageNet 本身就包含了 59 种鸟类 (参考自Building a bird recognition app and large scale dataset with citizen scientists)

而我们使用的资料来源为 Kaggle 上的 300 Bird Species - Classification 资料集中的 10 种鸟儿：

• 台湾蓝鹊 (TAIWAN MAGPIE)
• 蓝腹鹇 (SWINHOES PHEASANT)
• 八哥 (MYNA)
• 麻雀 (HOUSE SPARROW)
• 家燕 (BARN SWALLOW)
• 野鸽 (ROCK DOVE)
• 喜鹊 (EURASIAN MAGPIE)
• 鸳鸯 (MANDRIN DUCK)
• 绿绣眼 (MALAGASY WHITE EYE)
• 绿头鸭 (MARLLARK DUCK)

其中所有的资料都是 224 X 224 X 3 的 jpg 图片，资料夹的结构已经整理成可以利用 tf.keras.utils.image_dataset_from_directory 创造训练、验证 Dataset 的模式：

main_directory/
...class_a/
......a_image_1.jpg
......a_image_2.jpg
...class_b/
......b_image_1.jpg
......b_image_2.jpg

可以到其 Kaggle 页面看看资料如何收集的。
值得注意的是这个训练集并没有平衡过，但每个种类都至少有 120 张训练图片，唯一有疑虑的地方在於资料中的雌雄比例很不平均，大部分收集到的图片都是色彩鲜艳的雄鸟，因此模型在分类雌鸟时可能会有较差的表现，虽然这个模型并不会参与重大决策，但没错，我们有大机率得到一个有性别歧视的模型哈哈哈 (还记得 [Day 10] 模型达到商业指标的挑战 — Test set performance 的殒落 提到的关键子集吗 ?)。

我们的目标就是建立类似特斯拉的资料飞轮，所以将上图修改之後可以得到我们的愿景图如下：

今天大概就先把大概的目标说明一下，明天再来说明怎麽实践罗!