计算机视觉之图像分类算法-笔记

让机器从数据中学习的步骤：收集数据、定义模型、训练（寻找最佳参数，达到最高正确率）、预测

课程讲解了CNN的几种重要的模型，以及降低模型参数量和计算量的方法（降低输入输出通道数、减小卷积核的尺寸）

问题收集：

1、为什么现在的大模型消耗这么多资源，人脑却这么节能，有什么可能的原因吗？

研究Ai的耗能问题是个很好的课题

2、数据集标注不清会使大模型效果比小模型效果差吗？

3、attention is all you need 这篇论文是transformer的开山之作，想详细了解transform,可以阅读这篇论文。

4、在模型训练过程可以观察什么，怎么知道是否在进行有效的训练？

观察训练集/测试集上的损失函数值，震荡情况，是否非常波动，学习率是否在逐渐降低。子豪兄在github上的一个开源库Train_Custom_Dataset，用原生pytorch实现图像分类，实时的可视化模型训练过程中的各种量。