大家好 我是機械系碩班讀一年的蔡逼八
這篇應該要放在python版和DataScience版
但這邊人氣比較旺 想請大家幫忙
目標做深度學習機器視覺在工業上一些瑕疵檢測的應用
已經看過李宏毅老師和吳恩達老師影片
也實作過一些小東西 算是有一些基礎的概念
目前用tensorflow 2還只能套套github上
object detection的model做transfer learning
就是只會"用" 和 "tune"參數
最後看到結果 常常結果並不好
看過好幾篇paper做object detection不少人用yolov3再去修改架構
paper名稱大概會寫modifed yolov3 之類的
但是我目前程度套用github上的模型 叫大學生來做也都會
也想增進自己的程度
碩論也不能這麼簡單
=======================
所以我想請教大家
github上的tensorflow2我可以怎麼去詳讀架構並修改
https://reurl.cc/Enl7yg
包括想要知道每一層卷積池化層FPN再concat在一起
各會對我的結果造成什麼影響
請問吳恩達老師有教這種深入詳讀的嗎?
還是推薦哪本書嗎?
謝謝大家

印像中yolov5的調參已經是G用網格海量電腦網格尋找跑出的結果，你要怎麼調贏人家？

讀 paper、打 kaggle、刻模型

也不是要做出一個比別人好的，是想要理解深一點人家在問 一問就知道懂不懂了我想先看看人家怎麼手刻模型 跟著做看看 才能自己手刻

最簡單的方式其實是追溯 paper 的 related work. 有些引用到的會解釋組合出來結果. 要實作上手就像上面說的要去打 kaggle. 然後 TF 進入 2 代後雷坑有點多. 不過2.4 之後情況有改善. 使用再注意一下

因為目前也有論文壓力 有辦法用自己的data打kaggle嗎我目前用tf2.5

推薦用 pytorch

不好意思 pytorch 唯一解做瑕疵檢測結果在問Yolo, 請問一般深度學習演算法有辦法處理資料極不平均的狀況嗎？一般瑕疵檢測正樣本極多，負樣本極少，就算用遷移學習也無法處理這樣的問題，想要駕馭深度學習首先要會命題，而不是凡事只會yolo或是UNet修改架構，調調參數，無法解決監督式學習的根本問題，沒有搞懂這個，你的論文永遠做不出個東西來

你可以用 pytorch/tensorflow 之類的框架 從0 到有自己科一個 model 包含 data loader trainer 等 應該就會比較熟悉了

不推薦書，你的需求，直接看有給原始碼的論文。或從最基礎numpy怎麼做簡單的線性模型建模，才有機會。有心的人只少要從線性迴歸開始學啦，基礎中的基礎。不然連各種模型的 loss function, 與模型為什麼要哪樣設計，都完全沒機會了解了。

謝謝樓上幾位的建議，因為沒碰過pytorch請問現在開始會太晚嗎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對的? 有試過用非監督自動編碼器 也沒有太好的結果我再去找找國外有沒有原始碼的paper 目前都還沒看到

什麼時候開始都不嫌晚啦 推薦莫煩pytorch教學

你應該先從瑕疵檢測一般是用什麼模型來做開始找吧確認方向之後再去看要學那些來理解整個架構這個不是跟教授討論最快嗎......

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問YOLO怎麼了嗎 結果丟下這一句讓原po以為不能用object detection解瑕疵檢測問題 還是你覺得要問怎麼做資料增強才夠高端

強烈建議pytorch你找git光是tf版本有1和2就搞死你更不用說還沒開始改就一堆環境問題然後用pytorch還是建議跑yolo當baseline不然改半天人家比你又快又準也沒用

https://github.com/zzh8829/yolov3-tf2推薦細讀這份程式碼 適用TF2.5這份程式碼有個好處是能轉換Darknet的權重給TF用我上個月才用這份改成適用於我的特化版yolo

s大我有再回頭確認一次也是蠻多人用yolo ssd rcnn等物件偵測的方式來解 我也是在思考data的問題 是否能加入GAN來用 看完大家建議我還是卡在要不要跳pytorch 另外一台電腦套不同tf模型去跑出結果目前理解的是用pytorch比較能包出class和一些物件導向的程式嗎？還是tf也可以

tf也可以 但你就直接去學pytorch吧 坑確實比較少

珍惜生命，遠離TF

paper就是最好的教材

我以前是用 tf但也是tf google已經不是我的神了，我換成pytorch半年，用起來直觀多了，而且很多好用的工具像是dataloader我都很喜歡

改用pytorch

我學長用TF，我他媽還要為了處理CUDA衝突在那邊搞半天，X

從tf換Pytorch後 感覺相見恨晚

如果抱持者簡單為目的，那麼都用不是更好。反正正常工作，都會用到就是了。如果是要了解原理，更是這兩套工具根本沒差好嗎

我處理版本問題也搞到很累 看了大家建議試用pytorch做點成果說服教授

用什麼框架都無所謂吧吧 感覺原po缺的是經驗 做久就熟了如果沒趕論文的壓力的話

有論文壓力阿哈哈 謝謝大家

你肯定還沒碰到tensorboard,到那個時候,你會生不如死

有用到tensorboard覺得不是很好懂 可能是我用太少吧

新paper有code的也幾乎是pytorch

yolo特性不就跑的快 但準確率差 你瑕疵檢查最重要的是什麼？怎會去選yolo

100年沒用tensor board了 寧願自己手動紀錄output

推pytorch，不推yolo，那是搞論文用的，實務根本不能用，當了data scientist 三年多的感想搞論文的話，如果要用yolo，建議往系統，串一個hierarchical system or feature engineering 的方向試試看，只是建議，我當初念master發了兩篇conf跟一個Cvprw，還有一個jounal都有被approved，國外reviewer很吃這套