[可解释机器学习]Task08：学习总结

学习的内容有：

1. ZFNet
2. CAM
3. Grad-CAM
4. CAM、Captum代码实战
5. LIME
6. LIME、shap代码实战

 学习感想：

• 好的部分：从前根本没了解过可解释机器学习相关方面，但是也隐隐约约感受到了机器学习需要可解释性，特别是当自己需要去信任机器学习产生的结果时 。可视化在学习中与工作中占的比重越来越大，别人在面对你的工作时，往往喜欢直接看到图像与输出的结果
• 不好的部分(即自身学习缺陷)：自己之前没使用过相关的工具包，第一次使用感受并没有那么深刻，而且中间有很多思考部分与阅读部分自己也偷懒并没有详细地去思考与阅读。在没有人检验成果的情况下，自学的质量也是要打个疑问号的
   
• 里面的东西比较实用，比如说ZFNet论文里的对比实验，和CAM的热力图，都是实打实可以用上的，不是那种纯理论的东西，就是在实际运行的时候，问题也是蛮多的，特别是环境的配置上，要求还是蛮高的，运行失败的概率一半一半，用features直接运行是最好的，但是要收费
• 后续：最好还是要找到相关项目来做

解决之道：

首先是对面不熟悉的代码自己敲，

代码本身是有个大逻辑的，在阅读完一块代码时，抓住其逻辑，然后记一下关键的引用方法key

重点：自己敲 + 思考