順調。
結局、CIFAR-10でエラーになる件はその後の講義にも影響があるため、対処を行うことにした。
■セクション8：画像認識のためのディープラーニング（続き）
・エラーになる件の対処
OSを変更してMacで試してみたところ、動作することは確認できた。
学習済のモデルも用意されてはいるが、初めてなので実際の学習を行ってみた。すると、CIFAR-10の講義の学習を行うだけで４時間以上かかっている。マシーンが古く非力なせいだ。
実務でディープラーニングを行う際は十分パフォーマンスが出る環境を準備するのが大切であることを経験として認識した。
・カスタム画像を用いたディープラーニング
これに関しても、学習の処理をするとPCのパフォーマンスの問題でハンパなく時間がかかりそうなので、学習済のモデルを使って一通り、実行してみた。
特に学習を行う際に１つの画像をランダムに回転させたり、反転させたりして、加工してテストすることにより、バリエーションを増やし、ロバスト性を上げるあたりが個人的には面白かった。
・アセスメント
モノクロ画像が対象であるため、カラー画像ではエラーが出て学習が進まないWindowsマシンでもできそうなのでWindowsマシーンでアセスメントを実施することにする。
（これから実施予定）
・YOLOネットワーク
（これから学習予定）
■セクション９：CapStone Project
このセクションでは今までの学んできたことを生かして課題を行っていく。画像認識をテーマとした課題だ。プロジェクトの概要のみ確認した。
（これから学習予定）
■次は
アセスメントとYOLOネットワークの学習を行い、最終のプロジェクト(CapStone Project)に入る。
明日中には終わらせたい。
このコースへのリンク
Python for Computer Vision with OpenCV and Deep Learning
全般ランキング
【このカテゴリーの最新記事】
- no image
- no image
- no image
- no image
- no image
