首页 炼丹房 帖子详情
PaddlePaddle技术分享
收藏
快速回复
炼丹房 其他新手上路 1006 3
PaddlePaddle技术分享
收藏
快速回复
炼丹房 其他新手上路 1006 3

 

PaddlePaddle技术分享

这是参加了深度学习七天打卡训练营之后的技术心得分享,对于刚刚入门的我有很多感触,也有了水平的提升,还获得了深度学习图书。

开始接触PaddlePaddle是在上课时老师推荐的,并且还需要用PaddlePaddle复现一篇与研究方向相关的论文代码,我选择的是GAN相关论文,使用PaddlePaddle还不太熟练,但是经过7天的打卡训练,我快速了解了深度学习的整体流程,训练模型等等,期间也一直在做CycleGAN的代码复现,现在已经基本实现了论文的实验结果,算是一个好的开端,后续也会使用PaddedPaddle框架来做进一步的研究,修改网络结构和调参步骤都很清晰。

这7天学习了再本地安装框架,飞机识别,目标检测,用yolov3模型实现昆虫目标检测等等,提交作业也取得了不错的成绩,我很欣慰自己这几天的努力,很充实,每天为了模型能进一步完善,跑出更好的效果奋战到深夜。

关于技术有这些是值得分享给你们的:

(1)从卷积神经网络学习到:修改卷积核的个数,卷积核的大小,修改网络层数,又该模型的学习率等等都会让网络达到更好的效果。做了入门的手写数字识别。

(2)从目标检测学习到:使用yolov3等模型。做了水果检测,昆虫检测等等,效果都还不错。

(3)从NLP情感分析学习到:使用ernie、ernie-tiny等模型。我后续还会进一步参加NLP训练营来学习。

下面是我七天训练营的打卡记录:

Day1:模型预测准确率96%,可近一步优化,整体预测正确。

Day2:第二次的飞机识别优化是我认为这几天最难的一次作业。对于32*32的图片,本就不清晰,训练率由于数据集多得到的训练效果很不错,近100%,但是预测率确不到80%,通过上面提及的多种方式调优结果也很难有大的提升,所以优化模型仍然是一个很重要的问题。我最后也只调到78%,等着后面官方出直播课程了。

Day3:目标检测中水果检测,可以识别多个不同类别。识别效果还不错,但是训练模型还可以进一步优化。

Day4:在情感分析中,对ernie、ernie_tiny、bert等模型的使用有了初步了解,模型的识别结果也不错,这是第一次涉及NLP范畴,后续会进一步学习。

Day5:PaddlePaddle CTR预估实战,提升模型的准确率,从初始的50%替身到了83%,后续需要在数据集的多少--使用全集、网络层数、以及学习率上下功夫。下面是最后的效果。

Day6:是考试,最后一课,也是多目标检测--昆虫检测,这里也是使用yolov3模型,最后mAP=99.85,也是效果非常好了。

整体来说,通过七天训练,对PaddlePaddle框架的使用有了一定了解,整体的消化情况也不错,后续会通过学习PaddlePaddle框架应用到GAN和NLP的实验中。

1
收藏
回复
全部评论(3)
时间顺序
星之卡比
#2 回复于2020-03

想请问下就是你在昆虫识别的源代码基础上做了哪些优化达到了99.85的MAP呢?

0
回复
Action
#3 回复于2020-03
想请问下就是你在昆虫识别的源代码基础上做了哪些优化达到了99.85的MAP呢?

同问

0
回复
shmily
#4 回复于2020-04

用的PaddleDetection里的yolov3_mobilenet_v1_insect.yml,训练了10000次,学习率0.0001,没有过多的修改。

0
回复
在@后输入用户全名并按空格结束,可艾特全站任一用户