※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1628052805.A.E30.html
→ juijuijuijui: 印像中yolov5的調參已經是G用網格海量電腦網格尋找 08/04 13:38
→ juijuijuijui: 跑出的結果，你要怎麼調贏人家？ 08/04 13:38
→ CaptPlanet: 讀 paper、打 kaggle、刻模型 08/04 13:54
→ zoo8888: 也不是要做出一個比別人好的，是想要理解深一點 08/04 14:18
→ zoo8888: 人家在問 一問就知道懂不懂了 08/04 14:19
→ zoo8888: 我想先看看人家怎麼手刻模型 跟著做看看 才能自己手刻 08/04 14:20
推 QwQxError: 最簡單的方式其實是追溯 paper 的 related work. 有些 08/04 14:27
→ QwQxError: 引用到的會解釋組合出來結果. 要實作上手就像上面說的 08/04 14:27
→ QwQxError: 要去打 kaggle. 然後 TF 進入 2 代後雷坑有點多. 不過 08/04 14:27
→ QwQxError: 2.4 之後情況有改善. 使用再注意一下 08/04 14:27
→ zoo8888: 因為目前也有論文壓力 有辦法用自己的data打kaggle嗎 08/04 15:03
→ zoo8888: 我目前用tf2.5 08/04 15:04
推 expiate: 推薦用 pytorch 08/04 15:14
推 imaxpayne: 不好意思 pytorch 唯一解 08/04 16:57
推 imaxpayne: 做瑕疵檢測結果在問Yolo, 請問一般深度學習演算法有辦 08/04 17:11
→ imaxpayne: 法處理資料極不平均的狀況嗎？一般瑕疵檢測正樣本極多 08/04 17:11
→ imaxpayne: ，負樣本極少，就算用遷移學習也無法處理這樣的問題， 08/04 17:11
→ imaxpayne: 想要駕馭深度學習首先要會命題，而不是凡事只會yolo或 08/04 17:11
→ imaxpayne: 是UNet 08/04 17:11
推 imaxpayne: 修改架構，調調參數，無法解決監督式學習的根本問題， 08/04 17:21
→ imaxpayne: 沒有搞懂這個，你的論文永遠做不出個東西來 08/04 17:21
推 jamfly: 你可以用 pytorch/tensorflow 之類的框架 從0 到有自己科 08/04 18:20
→ jamfly: 一個 model 包含 data loader trainer 等 應該就會比較熟 08/04 18:20
→ jamfly: 悉了 08/04 18:20
→ DrTech: 不推薦書，你的需求，直接看有給原始碼的論文。或從最基礎 08/04 18:25
→ DrTech: numpy怎麼做簡單的線性模型建模，才有機會。 08/04 18:25
推 DrTech: 有心的人只少要從線性迴歸開始學啦，基礎中的基礎。 08/04 18:28
→ DrTech: 不然連各種模型的 loss function, 與模型為什麼要哪樣設計 08/04 18:29
→ DrTech: ，都完全沒機會了解了。 08/04 18:29
→ zoo8888: 謝謝樓上幾位的建議，因為沒碰過pytorch請問現在開始會 08/04 19:07
→ zoo8888: 太晚嗎 08/04 19:07
→ zoo8888: i大你點了我 或許我要做瑕疵檢測 用物件檢測的方法是不 08/04 19:08
→ zoo8888: 對的? 有試過用非監督自動編碼器 也沒有太好的結果 08/04 19:09
→ zoo8888: 我再去找找國外有沒有原始碼的paper 目前都還沒看到 08/04 19:10
→ zoo8888: 大家都建議用pytorch看來我要開始找資料了 08/04 19:36
推 Jekk: 什麼時候開始都不嫌晚啦 推薦莫煩pytorch教學 08/04 20:36
推 shietsd: 你應該先從瑕疵檢測一般是用什麼模型來做開始找吧 08/04 21:28
→ shietsd: 確認方向之後再去看要學那些來理解整個架構 08/04 21:28
→ shietsd: 這個不是跟教授討論最快嗎...... 08/04 21:29
推 sooge: 看不懂I大是在? 瑕疵檢測本來就可以選擇用YOLO解 請問原po 08/05 00:36
→ sooge: 問YOLO怎麼了嗎 結果丟下這一句讓原po以為不能用object det 08/05 00:36
→ sooge: ection解瑕疵檢測問題 還是你覺得要問怎麼做資料增強才夠高 08/05 00:36
→ sooge: 端 08/05 00:36
推 olen0622: 強烈建議pytorch你找git光是tf版本有1和2就搞死你 08/05 00:43
→ olen0622: 更不用說還沒開始改就一堆環境問題 08/05 00:43
→ olen0622: 然後用pytorch還是建議跑yolo當baseline 08/05 00:44
→ olen0622: 不然改半天人家比你又快又準也沒用 08/05 00:44
推 DarkIllusion: https://github.com/zzh8829/yolov3-tf2 08/05 01:02
→ DarkIllusion: 推薦細讀這份程式碼 適用TF2.5 08/05 01:04
→ DarkIllusion: 這份程式碼有個好處是能轉換Darknet的權重給TF用 08/05 01:05
→ DarkIllusion: 我上個月才用這份改成適用於我的特化版yolo 08/05 01:09
→ zoo8888: s大我有再回頭確認一次也是蠻多人用yolo ssd rcnn等物件 08/05 01:22
→ zoo8888: 偵測的方式來解 我也是在思考data的問題 是否能加入GAN 08/05 01:22
→ zoo8888: 來用 看完大家建議我還是卡在要不要跳pytorch 另外一台電 08/05 01:22
→ zoo8888: 腦套不同tf模型去跑出結果 08/05 01:22
→ zoo8888: 目前理解的是用pytorch比較能包出class和一些物件導向的 08/05 01:29
→ zoo8888: 程式嗎？還是tf也可以 08/05 01:29
推 DarkIllusion: tf也可以 但你就直接去學pytorch吧 坑確實比較少 08/05 01:32
推 ap954212: 珍惜生命，遠離TF 08/05 01:41
→ michealx: paper就是最好的教材 08/05 02:27
推 powergreen: https://paperswithcode.com/ 08/05 03:00
推 expiate: 我以前是用 tf但也是tf google已經不是我的神了，我換 08/05 06:24
→ expiate: 成pytorch半年，用起來直觀多了，而且很多好用的工具像是 08/05 06:24
→ expiate: dataloader我都很喜歡 08/05 06:24
推 gino0717: 改用pytorch 08/05 22:20
推 ssd860505da: 我學長用TF，我他媽還要為了處理CUDA衝突在那邊搞半 08/05 23:57
→ ssd860505da: 天，X 08/05 23:57
推 ches728ter: 從tf換Pytorch後 感覺相見恨晚 08/06 01:58
推 DrTech: 如果抱持者簡單為目的，那麼都用不是更好。 08/06 13:37
→ DrTech: 反正正常工作，都會用到就是了。 08/06 13:38
→ DrTech: 如果是要了解原理，更是這兩套工具根本沒差好嗎 08/06 13:38
→ zoo8888: 我處理版本問題也搞到很累 看了大家建議試用pytorch 08/06 18:53
→ zoo8888: 做點成果說服教授 08/06 18:53
推 yoyololicon: 用什麼框架都無所謂吧吧 感覺原po缺的是經驗 做久就 08/06 19:02
→ yoyololicon: 熟了 08/06 19:02
→ yoyololicon: 如果沒趕論文的壓力的話 08/06 19:02
→ zoo8888: 有論文壓力阿哈哈 謝謝大家 08/06 19:35
→ InvincibleK: 你肯定還沒碰到tensorboard,到那個時候,你會生不如死 08/07 11:26
→ zoo8888: 有用到tensorboard覺得不是很好懂 可能是我用太少吧 08/07 11:29
推 junwen: 新paper有code的也幾乎是pytorch 08/07 14:02
推 enoke1903190: yolo特性不就跑的快 但準確率差 你瑕疵檢查最重要 08/09 23:34
→ enoke1903190: 的是什麼？怎會去選yolo 08/09 23:34
推 ruokcnn: 100年沒用tensor board了 寧願自己手動紀錄output 08/11 00:19
推 r40491101: 推pytorch，不推yolo，那是搞論文用的，實務根本不能用 08/14 18:40
→ r40491101: ，當了data scientist 三年多的感想 08/14 18:40
→ r40491101: 搞論文的話，如果要用yolo，建議往系統，串一個hierarc 08/14 18:45
→ r40491101: hical system or feature engineering 的方向試試看， 08/14 18:45
→ r40491101: 只是建議，我當初念master發了兩篇conf跟一個Cvprw，還 08/14 18:45
→ r40491101: 有一個jounal都有被approved，國外reviewer很吃這套 08/14 18:45