lesson one | overview

碎片化关键词

教育中的棒球理论

行业排他性

端到端的过程

Making neural nets uncool again(让神经网络不在那么高高在上)

<Fats.ai> lesson one | overview_第1张图片
图片发自App

以代码为中心而不是艺术学为中心

深度学习的全部意义在于得到最新最先进的结果

kaggle

Ian Goodfellow . Yoshua Benaio 撰写的 最好的数学书

BPTT算法(back propagation through time)


参考阅读:

LSTM简介及数学推导FULL BPTT

循环神经网络


rmsprop.adam

eve

<Fats.ai> lesson one | overview_第2张图片
图片发自App

操作代码的环境:Jupyter notebook

vgg.predict 模型

model predict

在jupyter notebook中 第一次按shift+tab会告诉你需要传递什么参数以及这个方法的真正作用, 按三次会展示额外的信息,关于这里的每一个论点、期待得到的信息以及结果是什么。通过这个方法你能发现幕后到底发生了什么,并且再次基础上做实验然后会发现这个方法得出结果的形状、大小、数组的形状
把代码完完全全的展示出来以查看没一条代码中什么被投入使用什么被放弃使用以及还有什么我们可以做的,甚至可以查看这个文档vgg.model,实际上是一种keras.models.Sequential。这样搜索就能查询这个模型到底是什么、这里是用了什么、还能有哪些运行方法,然后可以尝试调用不同的方法并观察我们能得到怎样的结果。
所以真正要做的是在这两个小时的课程中提供信息帮助你展开自己的实验。

AWS

wiki.fast.ai

<Fats.ai> lesson one | overview_第3张图片
图片发自App
谷歌大脑的规则就是:如果你碰到一个问题首先给自己半小时的时间尝试着自己解决这个问题,如果半小时后你仍然无法解决这个问题然后再想别人指教,这样能保证你总是自己试一下然后如期望的那样从这个经历中学到一些并且你并没有浪费很多时间在别人帮你解决的问题上。——Google brain创始人

学习工具

<Fats.ai> lesson one | overview_第4张图片
图片发自App


<Fats.ai> lesson one | overview_第5张图片
图片发自App

建议自己开发环境(我好方……)

在云端建立GPU instance

第一课是关于课程的设置及准备



fast.ai自学中,欢迎各位大神指导

你可能感兴趣的:( lesson one | overview)