Uge 14
- jonathanlipinskira
- 8. apr.
- 2 min læsning
Mål for ugen:
Benytte mig mere af min logbog. Jeg er nødt til at blive bedre til at dokumentere, hvad jeg laver, fordi jeg glemmer det ellers. Derudover skal jeg have vendt sidste uges Jenkins nederlag til en sejr i Azure Pipelines. Derfor har jeg valgt, at jeg vil bruge ugen på at udforske machine learning i computer vision. I forhold til machine learning er det tid til, at jeg igen dykker mere ned i noget af det teoretiske stof. Jeg har lavet en del praktisk træning osv., men mangler teoretisk viden.
Mandag & tirsdag
Mål for i dag:
Start på basal teori i computer vision.
Jeg brugte dagen på at se videoer og læse materiale omkring numpy, computer vision og pixels generelt. Det gav mig en god forståelse for, hvordan en frame egentlig gemmes som datatype, og på den måde fik jeg ret meget ud af det, da jeg synes, det forsimpler noget af "magien" ved at træne en ML model.
Basal introduktion af numpy library
Gav mig god introduktion til hvordan et "frame" egentlig gemmes som datatype (en numpy matrix af pixels)
Helt basal guide til, hvorfor og hvordan man starter et opencv projekt
Jeg har benyttet mig af samme metoder før jeg så videoen, men videoen gav et godt indblik i, hvorfor tingene er som de er.
Onsdag & torsdag
Mål for i dag:
Start på basal teori i machine learning - overfitting & underfitting
Dagen blev brugt på youtube, hvor jeg fandt 2 virkelige gode guides, som gav mig et simpelt men godt overblik over termerne "overfitting" & "underfitting". Jeg synes det har været gavnligt, og for mig har det været vigtigt, at jeg kunne finde noget teori i machine learning, som ikke er så matematisk, da jeg ikke har tid til at kunne nå at lære meningsfuld matematisk machine learning på 1 semester. På den måde er det godt, at jeg holder mig til machine learning teori som er lettere forståeligt - og lettere tilgåeligt. Jeg vil forsøge at træne en model, hvor jeg klar kan se, om jeg overfitter eller underfitter dens evne til at finde en vilkårlig bil på en vilkårlig parkeringsplads.
Begge videoer blev fundet på google, hvor jeg søgte på "machine learning in computer vision applying overfitting and underfitting validation"
Fredag
Mål for i dag:
Træn en basal model og inkorporer overfitting & underfitting evaluering
Dagen blev brugt på at lære at bruge matplotlib library, som bruges til visualisering. Visualisering er ikke noget, som jeg vil dykke dybere ned i, men jeg synes, det er en god ide at have en basal forståelse for, da det er ekstremt brugbart til at vise, om ens model blandt andet er overfittet eller underfittet. Jeg prøvede for sjovt at træne en hel simpel model, og derefter visualisere modellens træning og validerings accuracy.
https://www.youtube.com/watch?v=D4VlmL3G4_o&ab_channel=Kite https://www.youtube.com/watch?v=UO98lJQ3QGI&list=PL-osiE80TeTvipOqomVEeZ1HRrcEvtZB_&ab_channel=CoreySchafer
Comentarios