百度深度学习集训营已经正式开营,每个阶段的作业都将有各自的奖励,欢迎大家学习~
PS:如遇帖子过期、审核不通过的情况,请先复制内容保存在word文档,然后根据提示,完成个人实名验证,刷新后重新粘贴复制的内容,即可提交~
欢迎大家报名参加~
1月9日作业:
作业9-1:在第二章中学习过如何设置学习率衰减,这里建议使用分段衰减的方式,衰减系数为0.1, 根据ResNet目前的训练情况,应该在训练到多少步的时候设置衰减合适?请设置好学习率衰减方式,在眼疾识别数据集iChallenge-PM上重新训练ResNet模型。
作业9-1奖励:在作业中随机各抽取5名同学送出飞桨本+数据线+飞桨贴纸
回复帖子形式: 作业9-1:XXX
抽奖作业截止时间:2020年1月13日中午12点之前
作业9-2奖励:在作业中随机各抽取5名同学送出飞桨本+数据线+飞桨贴纸
回复帖子形式: 作业9-2:XXX
抽奖作业截止时间:2020年1月13日中午12点之前
1月7日作业:
作业8:如果将LeNet模型中的中间层的激活函数Sigmoid换成ReLU,在眼底筛查数据集上将会得到什么样的结果?Loss是否能收敛,ReLU和Sigmoid之间的区别是引起结果不同的原因吗?请发表你的观点
作业8奖励:在作业中随机各抽取5名同学送出飞桨本+数据线+飞桨贴纸
回复帖子形式: 作业8:XXX
获奖同学:#820 thunder95、#819 你还说不想我吗、 #818 百度用户#0762194095、#817 呵赫 he、#816 星光1dl
1月2日作业
作业7-1 计算卷积中一共有多少次乘法和加法操作
输入数据形状是[10, 3, 224, 224],卷积核kh = kw = 3,输出通道数为64,步幅stride=1,填充ph = pw =1
完成这样一个卷积,一共需要做多少次乘法和加法操作?
提示:先看输出一个像素点需要做多少次乘法和加法操作,然后再计算总共需要的操作次数
提交方式:请回复乘法和加法操作的次数,例如:乘法1000,加法1000
作业7-1奖励:抽取5人赢得飞桨定制本+数据线,截止时间2020年1月6日中午12点之前
回复帖子形式: 作业7-1:XXX
作业7-2奖励:从正确答案中抽取5人获得飞桨定制本+50元京东卡,截止时间2020年1月6日中午12点之前
12月31日作业
作业6-1:
1.将普通神经网络模型的每层输出打印,观察内容
2.将分类准确率的指标 用PLT库画图表示
3.通过分类准确率,判断以采用不同损失函数训练模型的效果优劣
4.作图比较:随着训练进行,模型在训练集和测试集上的Loss曲线
5.调节正则化权重,观察4的作图曲线的变化,并分析原因
作业6-1奖励:抽取5人赢得飞桨定制本+数据线 ,回复帖子形式: 作业6-1:XXX
作业6-2:
正确运行AI Studio《百度架构师手把手教深度学习》课程里面的作业3 的极简版代码,分析训练过程中可能出现的问题或值得优化的地方,通过以下几点优化:
(1)样本:数据增强的方法
(2)假设:改进网络模型
(2)损失:尝试各种Loss
(2)优化:尝试各种优化器和学习率
目标:尽可能使模型在mnist测试集上的分类准确率最高
提交实现最高分类准确率的代码和模型,我们筛选最优结果前10名进行评奖
作业6-2奖励:飞桨定制本+50元京东卡
12月25日作业
12月23日作业
作业4-1:在AI studio上运行作业2,用深度学习完成房价预测模型
作业4-1奖励:飞桨定制本+ 《深度学习导论与应用实践》教材,选取第2、3、23、123、223、323…名同学送出奖品
作业4-2:回复下面问题,将答案回复帖子下方:
通过Python、深度学习框架,不同方法写房价预测,Python编写的模型 和 基于飞桨编写的模型在哪些方面存在异同?例如程序结构,编写难易度,模型的预测效果,训练的耗时等等?
回复帖子形式: 作业4-2:XXX
作业4-2奖励:在12月27日(本周五)中午12点前提交的作业中,我们选出最优前五名,送出百度定制数据线+《深度学习导论与应用实践》教材
12月17日作业
完成下面两个问题,并将答案回复在帖子下面,回帖形式:作业3-1(1)XX(2)XX
作业奖励:在2019年12月20日中午12点之前提交,随机抽取5名同学进行点评,礼品是本+数据线
12月12日作业
获奖者:第12名:飞天雄者
12月10日作业
作业1-1:在AI Studio平台上https://aistudio.baidu.com/aistudio/education/group/info/888 跑通房价预测案例
作业1-1奖励:最先完成作业的前3名,以及第6名、66名、166名、266名、366名、466名、566名、666名的同学均可获得飞桨定制大礼包:飞桨帽子、飞桨数据线 、飞桨定制logo笔
作业1-1的获奖者如图:
作业1-2:完成下面两个问题,并将答案发布在帖子下面
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
作业1-2奖励:回复帖子且点赞top5,获得《深度学习导论与应用实践》教材+飞桨定制本
点赞Top5获奖者:1.飞天雄者 2.God_s_apple 3.177*******62 4.学痞龙 5.故乡237、qq526557820
作业截止时间2020年1月10日,再此之前完成,才有资格参加最终Mac大奖评选
报名流程:
1.加入QQ群:726887660,班主任会在QQ群里进行学习资料、答疑、奖品等活动
2.点此链接,加入课程报名并实践:https://aistudio.baidu.com/aistudio/course/introduce/888
温馨提示:课程的录播会在3个工作日内上传到AI studio《百度架构师手把手教深度学习》课程上
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
天气预报、股价预测、收入预测问题可以用监督学习的框架来解决。
假设为一个人的收入与职位名称、经验年限、位置、教育水平有关
参数为其职位名称、经验年限、位置、教育水平等
优化目标为尽可能的降低预测结果的误差
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
现在是第3次AI行业革命,最火爆的行业是人工智能,国家政策也支持相关行业发展。
这一年,对于人工智能相关人才需求的增长净增一倍!不少企业在追逐人才时出现高薪难求的状况。
AI工程师行业存在人才缺口,供不应求,因此具有极大发展前景。
你只求出了W2,b2的梯度,并没求出W1,b1的梯度
作业2-1:
作业2-1:
作业1-2:
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
答:预测PM2.5,假设 Y = SUM(Wi * Xi) + b,X = [hour(日内小时)、dewp(露点)、temp(气温)、pres(气压)、cbwd(风向)、lws(风速)、ls(累积降雪)、lr(累积降雨)],Xi为对应数据,Wi为对应权重,b为偏置项,优化目标:预测某日的PM2.5值
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
答:人工智能现在广泛地受到社会各个阶层的关注,这不仅是因为AI对社会产生地深远地影响,也是因为人们能从AI身上看到社会生产力和生产方式的下一次革命,现如今AI落地的产品也越来越多,包括面部识别支付、面部识别认证、车牌识别、CT图像诊断等等,那么AI工程师的需求也就不言而喻了。从市场供需方面看,目前很多公司不管本身是不是计算机行业,都有可能成立人工智能研究院或者相应的项目部(比如汽车制造公司就会成立自动驾驶研究院),现在的人工智能火得都要糊了,所以AI工程师的需求无疑是巨大的,但是公司又极其看重AI工程师的学术和工程能力,虽然合格的AI工程师市场是亟需的,但是所谓合格就需要有扎实的理论算法基础,仅仅会使用一两个算法框架,而对算法一知半解是远远不够的。
作业2-2:
前向传播代码如下,但是后向传播不知道如何实现。
作业2-1
import numpy as np
class Network(object):
def __init__(self, num_of_weights):
# 随机产生w的初始值
# 为了保持程序每次运行结果的一致性,此处设置固定的随机数种子
#np.random.seed(0)
self.w1 = np.random.randn(num_of_weights, 13)*0.01
self.w2 = np.random.randn(13, 1)*0.01
self.b1 = np.zeros((num_of_weights, 1))
self.b2 = 0.
def forward1(self, x):
z = np.dot(x, self.w1) + self.b1
return z
def forward2(self, x):
z = np.dot(x, self.w2) + self.b2
return z
def loss(self, z, y):
error = z - y
num_samples = error.shape[0]
cost = error * error
cost = np.sum(cost) / num_samples
return cost
def gradient(self, x, y,z):
N = x.shape[0]
gradient_w = 1. / N * np.sum((z-y) * x, axis=0)
gradient_w = gradient_w[:, np.newaxis]
gradient_b = 1. / N * np.sum(z-y)
return gradient_w, gradient_b
def update1(self, gradient_w, gradient_b, eta = 0.01):
self.w1 = self.w1 - eta * gradient_w
self.b1 = self.b1 - eta * gradient_b
def update2(self, gradient_w, gradient_b, eta = 0.01):
self.w2 = self.w1 - eta * gradient_w
self.b2 = self.b1 - eta * gradient_b
def train(self, training_data, num_epoches, batch_size=10, eta=0.01):
n = len(training_data)
losses = []
for epoch_id in range(num_epoches):
# 在每轮迭代开始之前,将训练数据的顺序随机的打乱,
# 然后再按每次取batch_size条数据的方式取出
np.random.shuffle(training_data)
# 将训练数据进行拆分,每个mini_batch包含batch_size条的数据
mini_batches = [training_data[k:k+batch_size] for k in range(0, n, batch_size)]
for iter_id, mini_batch in enumerate(mini_batches):
#print(self.w.shape)
#print(self.b)
x = mini_batch[:, :-1]
y = mini_batch[:, -1:]
a1 = self.forward1(x)
a = self.forward2(a1)
loss = self.loss(a, y)
#gradient_w, gradient_b = self.gradient(x, y)
#self.update(gradient_w, gradient_b, eta)
gradient_w2, gradient_b2 = self.gradient(out0, y, self.forward1(a1))
self.update2(gradient_w2, gradient_b2, eta)
gradient_w1, gradient_b1 = self.gradient(x, a1, self.forward1(x))
self.update0(gradient_w1, gradient_b1, eta)
losses.append(loss)
print('Epoch {:3d} / iter {:3d}, loss = {:.4f}'.
format(epoch_id, iter_id, loss))
return losses
作业1-2:
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
对疾病的大概诊断可以通过监督学习来解决,假设从身体的各种测量指标到疾病的诊断是一个非常复杂的函数,这个函数参数是各项指标对各种疾病的影响程度,优化目标就是使训练出来的系统的预测值不断地接近实际的诊断。
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
现在AI大热,因此对AI产业相关的人才的需求量增大,加之AI工程师是AI产业建设不可或缺的基础人才,所以发展前景广阔。
作业2-1:
(1)
(2)
作业2-1 挑战题(对于不含激活函数的1层和2层神经网络可以顺利运行,3层对于求导仍然存在问题)待下次解决,
作业2-1 基础题
作业1-2:
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
天气预测。
参数是各种可能影响气候变化的变量。优化目标是尽量使预测与实际情况拟合。
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
Ai与在很多领域都已经得到了很好的应用,包括人脸识别、预测预警等,这使得ai与更多行业领域结合成为可能,市场需求量巨大。
作业1-2:①类比场景--医疗疾病诊断, 假设及参数--使用病人的体检化验结果作为参数,输入诊断模型。 优化目标--使模型诊断更准确。
②人类工业发展的过程就是解放人类双手(或者说对于重复劳动用机器代替人类)的过程,而AI就是实现这一目标的终极方 案, 所以未来世界必然是人工智能的世界。所以对于市场需求来说不仅在经济上,任何领域都是这样的发展趋。
作业2-1:
作业2-1
(1)基础题
(2)挑战题
第一层的反向传播需要用到三维numpy数组
作业1-2:
① 类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
我们的工作和生活中有很多问题都是可以用监督学习解决的,例如万有引力、电荷间相互作用力、电荷势能等。就万有引力公式来说,假设是经典力学以及物体之间的距离远远大于物体的半径,输入是物体的质量以及物体之间的距离,参数是万有引力常数,优化目标是万有引力的预测值与实际值之间的偏差最小化。
② 为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
AI工程师发展前景比较看好的原因有以下几个方面:
1. 近几年,数据、算力的不断提升给人工智能,尤其是深度学习的发展提供了必要的基础条件,使得人工智能飞速发展;
2. 目前,人工智能的需求大于供给,人才缺口仍比较大;
3. 国家出台了一系列政策促进人工智能的发展,各个地方政府也相继采取了一系列措施加速人工智能的落地实施;
4. 现阶段,AI技术的应用还离不开专业AI工程师,还远没有达到AI取代人类工作的地步。
从市场供需的角度考虑,主要原因就是目前人工智能对于人才的需求远远大于人才的供给。
12月12日作业:
1.
2.
代码:
loss图:
作业1-2:
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
工作中目前准备做图像的超分辨重建,模型假设:一个复杂的低分辨率到高分辨率的映射函数,参数为图像各种特征值,PSNR/SSIM等等来评价
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
我认为AI工程师发展前景广阔,市场需求大而人才供应少,未来越来越多的行业都有AI落地。
一. 人才供给方面短缺:
1.AI方面高校培养出的人才数量不足,国内高校尚未有系统化培养AI工程师的方案。
2.是AI工程师需要理论和实际工程经验进行培养,毕业后需要3-5年的成熟期。
3.是AI从2012年之后迎来第三次大发展,国内从业的软件工程技术人员2016年才逐渐接触和学习AI,到今年只有3年时间,人才成熟期有一定滞后。
二.从工业界需求方面
1. 首先是工业界算力和存储资源比以前有质的飞跃, 使得AI具备土壤,能够落地到各行各业中。AI的应用领域一下成几何倍数扩大,对人才需求量猛增。
2. 当前深度神经网络在图像识别,语音识别,自然语言处理方面成果显著,特定环境中已经超越人类的处理能力。如今国内人力成本剧增的情况下,工业界希望借助AI进一步降低生产成本,提高生产效率
3.当前的AI, 特别是深度学习网络,只能解决某一特定问题,不同行业的新问题要重新建模,难以复用。AI工程师人才“复用率”低。
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
在生活中和工作中有许多的问题都可以使用监督学习的框架来实现。比如手机价格,地铁人流量,旅游景点的人流量,饭店的收入等。手机价格与手机上市时间,处理器,相机像素,个数,电池容量,外观,新型科技含量,品牌有关,优化目标就是预测与实践之间的差值尽量小。地铁和旅游景点的人流量与是否是节假日,日期时间,站台,地铁线等有关。
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
AI工程师目前是供不应求,市场需求量很大,因为目前各行各业都使用上了机器学习,人工智能等技术,各个厂商都有AI技术人才的需求,从智能驾驶,监控车流量分析,疾病分析等到农业灌溉,天气预报等需要人工智能的分析,有助于准确的分析出结果,由于对AI工程师的需求,所以现在AI工程师很有发展前景,目前AI产业还处于前期阶段,后面的晋升空间还很大。
12月12日作业