大家好 我是机械系硕班读一年的蔡逼八
这篇应该要放在python版和DataScience版
但这边人气比较旺 想请大家帮忙
目标做深度学习机器视觉在工业上一些瑕疵检测的应用
已经看过李宏毅老师和吴恩达老师影片
也实作过一些小东西 算是有一些基础的概念
目前用tensorflow 2还只能套套github上
object detection的model做transfer learning
就是只会"用" 和 "tune"参数
最后看到结果 常常结果并不好
看过好几篇paper做object detection不少人用yolov3再去修改架构
paper名称大概会写modifed yolov3 之类的
但是我目前程度套用github上的模型 叫大学生来做也都会
也想增进自己的程度
硕论也不能这么简单
=======================
所以我想请教大家
github上的tensorflow2我可以怎么去详读架构并修改
https://reurl.cc/Enl7yg
包括想要知道每一层卷积池化层FPN再concat在一起
各会对我的结果造成什么影响
请问吴恩达老师有教这种深入详读的吗?
还是推荐哪本书吗?
谢谢大家

印像中yolov5的调参已经是G用网格海量电脑网格寻找跑出的结果，你要怎么调赢人家？

读 paper、打 kaggle、刻模型

也不是要做出一个比别人好的，是想要理解深一点人家在问 一问就知道懂不懂了我想先看看人家怎么手刻模型 跟着做看看 才能自己手刻

最简单的方式其实是追溯 paper 的 related work. 有些引用到的会解释组合出来结果. 要实作上手就像上面说的要去打 kaggle. 然后 TF 进入 2 代后雷坑有点多. 不过2.4 之后情况有改善. 使用再注意一下

因为目前也有论文压力 有办法用自己的data打kaggle吗我目前用tf2.5

推荐用 pytorch

不好意思 pytorch 唯一解做瑕疵检测结果在问Yolo, 请问一般深度学习算法有办法处理资料极不平均的状况吗？一般瑕疵检测正样本极多，负样本极少，就算用迁移学习也无法处理这样的问题，想要驾驭深度学习首先要会命题，而不是凡事只会yolo或是UNet修改架构，调调参数，无法解决监督式学习的根本问题，没有搞懂这个，你的论文永远做不出个东西来

你可以用 pytorch/tensorflow 之类的框架 从0 到有自己科一个 model 包含 data loader trainer 等 应该就会比较熟悉了

不推荐书，你的需求，直接看有给原始码的论文。或从最基础numpy怎么做简单的线性模型建模，才有机会。有心的人只少要从线性回归开始学啦，基础中的基础。不然连各种模型的 loss function, 与模型为什么要哪样设计，都完全没机会了解了。

谢谢楼上几位的建议，因为没碰过pytorch请问现在开始会太晚吗i大你点了我 或许我要做瑕疵检测 用物件检测的方法是不对的? 有试过用非监督自动编码器 也没有太好的结果我再去找找国外有没有原始码的paper 目前都还没看到

什么时候开始都不嫌晚啦 推荐莫烦pytorch教学

你应该先从瑕疵检测一般是用什么模型来做开始找吧确认方向之后再去看要学那些来理解整个架构这个不是跟教授讨论最快吗......

看不懂I大是在? 瑕疵检测本来就可以选择用YOLO解 请问原po问YOLO怎么了吗 结果丢下这一句让原po以为不能用object detection解瑕疵检测问题 还是你觉得要问怎么做资料增强才够高端

强烈建议pytorch你找git光是tf版本有1和2就搞死你更不用说还没开始改就一堆环境问题然后用pytorch还是建议跑yolo当baseline不然改半天人家比你又快又准也没用

https://github.com/zzh8829/yolov3-tf2推荐细读这份程式码 适用TF2.5这份程式码有个好处是能转换Darknet的权重给TF用我上个月才用这份改成适用于我的特化版yolo

s大我有再回头确认一次也是蛮多人用yolo ssd rcnn等物件侦测的方式来解 我也是在思考data的问题 是否能加入GAN来用 看完大家建议我还是卡在要不要跳pytorch 另外一台电脑套不同tf模型去跑出结果目前理解的是用pytorch比较能包出class和一些物件导向的程式吗？还是tf也可以

tf也可以 但你就直接去学pytorch吧 坑确实比较少

珍惜生命，远离TF

paper就是最好的教材

我以前是用 tf但也是tf google已经不是我的神了，我换成pytorch半年，用起来直观多了，而且很多好用的工具像是dataloader我都很喜欢

改用pytorch

我学长用TF，我他妈还要为了处理CUDA冲突在那边搞半天，X

从tf换Pytorch后 感觉相见恨晚

如果抱持者简单为目的，那么都用不是更好。反正正常工作，都会用到就是了。如果是要了解原理，更是这两套工具根本没差好吗

我处理版本问题也搞到很累 看了大家建议试用pytorch做点成果说服教授

用什么框架都无所谓吧吧 感觉原po缺的是经验 做久就熟了如果没赶论文的压力的话

有论文压力阿哈哈 谢谢大家

你肯定还没碰到tensorboard,到那个时候,你会生不如死

有用到tensorboard觉得不是很好懂 可能是我用太少吧

新paper有code的也几乎是pytorch

yolo特性不就跑的快 但准确率差 你瑕疵检查最重要的是什么？怎会去选yolo

100年没用tensor board了 宁愿自己手动纪录output

推pytorch，不推yolo，那是搞论文用的，实务根本不能用，当了data scientist 三年多的感想搞论文的话，如果要用yolo，建议往系统，串一个hierarchical system or feature engineering 的方向试试看，只是建议，我当初念master发了两篇conf跟一个Cvprw，还有一个jounal都有被approved，国外reviewer很吃这套