[Bản sửa đổi] Hướng dẫn hoàn chỉnh về Deep Learning Computer Vision

Xin chào,

Trong thông báo trước, chúng tôi đã đề cập rằng khi hạ cấp từ Google Colab xuống tensorflow 2.3 trở xuống, sẽ xảy ra sự cố với máy ảnh (không phải tf.keras mà là máy ảnh gốc).

Vấn đề này đã được coi là lỗi nhưng hiện tại, Google Colab chỉ để lại thông báo khuyến nghị bạn nên thiết lập phiên bản tensorflow (tức là 2.4 trở lên) tương thích với phiên bản Keras và không có tiến triển gì thêm.

Đánh giá theo kinh nghiệm cá nhân, dự kiến ​​việc giải quyết lỗi này sẽ mất nhiều thời gian hơn dự kiến ​​và kết quả là sẽ có khoảng trống về lớp thực hành đối với những người sử dụng Colab làm môi trường thực hành.

Theo đó, chúng tôi quyết định phát hành trước các phiên bản sửa đổi của bài giảng này để giảm thiểu những khoảng trống trong môi trường thực hành.

Phiên bản sửa đổi sẽ mới khoảng 80% so với các bài giảng hiện có và sẽ giới thiệu các bài giảng bổ sung so với các bài giảng hiện có. Chúng tôi chủ yếu tập trung vào những điều sau đây:

1. Giải thích lý thuyết chi tiết hơn về các lĩnh vực mà học sinh thường đặt câu hỏi.

2. Thực hành dựa trên gói Phát hiện/Phân đoạn đối tượng mới nhất/hiệu suất cao nhất

3. Phản ánh các xu hướng mới nhất trong Phát hiện/Phân đoạn đối tượng

4. Tạo ra quy tắc thực hành đa dạng hơn, có thể mở rộng và linh hoạt hơn cũng như giải thích chi tiết hơn.

5. Nhiều bài giảng bổ sung khác

6. Tập trung vào thực hành dựa trên môi trường Google Colab vì việc phân bổ GPU trong Google Cloud trở nên khó khăn

Chúng tôi đã đầu tư rất nhiều thời gian và thử nghiệm một số gói để tách khỏi gói trong bài giảng này vốn đã được triển khai trước đây dưới dạng Tensorflow 1.x. Theo kết quả của thử nghiệm, gói Yolo v3 của MMDetection và Ultralytics của OpenMMLab đã được chọn làm gói để thực hành và các bài giảng thực hành hiện đang được sản xuất.

Như nhiều bạn đã biết, hiện tại (tính đến tháng 5 năm 2021) gói Yolo của MMDetection và Ultralytics là những gói được công nhận nhiều nhất trong lĩnh vực Phát hiện đối tượng. MMDetection còn được gọi là giải pháp thành công của Kaggle và được công nhận nhờ hiệu suất vượt trội trong khi triển khai nhiều thuật toán tiên tiến khác nhau. Yolo của Ultralytics là người đã tạo nên cơn sốt trên thế giới vào năm ngoái với yolo v5. Quá trình thực hành được thực hiện với yolov3, nhưng trong trường hợp của yolov5, giao diện gần giống như v3, vì vậy yolo v5 có thể được áp dụng mà không có thay đổi lớn.

Một điều đáng thất vọng là cả hai gói này đều dựa trên pytorch. Tuy nhiên, vì bài giảng hiện tại nhắm đến những người có hiểu biết cơ bản về tensorflow và keras nên bài giảng sửa đổi hầu như không có mã pytorch hoặc chỉ một phần nhỏ trong đó. Tôi đã đầu tư rất nhiều thời gian để thử nghiệm các gói Phát hiện/Phân đoạn đối tượng dựa trên Tensorflow 2.x để cải thiện khả năng kết nối với bài giảng hiện tại và giảm thời gian sản xuất bài giảng, nhưng tôi phải thừa nhận rằng nó vẫn chưa phù hợp với thế mạnh của MMDetection và Ultralytics Yolo. Nó giống nhau

Kế hoạch ban đầu cho phiên bản sửa đổi là sẽ mở cửa toàn bộ vào giữa tháng 7. Tuy nhiên, do có vấn đề với môi trường thực hành chung của bài giảng hiện tại nên chúng tôi dự định tải lên các video bài giảng thực hành đã được viết sẵn và có thể sẽ tải lên 2 đến 3 video mỗi ngày bắt đầu từ thứ Hai tuần sau. Và tôi sẽ tận dụng mọi thời gian có thể để cập nhật tất cả các bài giảng lên phiên bản sửa đổi vào cuối tháng 6. Tôi chắc chắn có thể nói rằng nó tốt hơn bài giảng hiện tại và bao gồm các bài giảng thực hành chi tiết hơn.

Lịch cập nhật bài giảng sửa đổi chi tiết sẽ được thông báo lại trước thứ Hai tuần sau. Học phí sẽ tăng trong phiên bản sửa đổi, nhưng các sinh viên hiện tại đương nhiên sẽ không bị ảnh hưởng. Tôi xin cảm ơn các sinh viên đã yêu thích bài giảng của tôi một lần nữa và tôi sẽ tiến hành công việc nhanh nhất có thể để giảm thiểu những khoảng trống trong thực tế.

Nếu bạn có bất kỳ câu hỏi nào liên quan đến việc phát hành tuần tự bản sửa đổi này, vui lòng để lại câu hỏi bất cứ lúc nào.

Cảm ơn