Tài nguyên
Học theo slide Deep Learning – Computer Vision: bản đồ bài học
Học theo slide Deep Learning – Computer Vision – NLP? Bảng đối chiếu từng nhóm trang với bài học trên HọcFree, kèm các chỗ slide sai đã đính chính.
Giai đoạn 4 · AI Vision · Chặng 10/14
Chặng 10: Deep Learning
Học xong chặng này, bạn có thể: Huấn luyện mô hình phân loại ảnh OK/NG bằng PyTorch.
- 12 bài học
- ~15 giờ học
- ~6 tuần
- 0/12 bài đã học
Trước khi bắt đầu
Hoàn thành chặng 1 (Python, NumPy). Biết đạo hàm cơ bản là lợi thế nhưng không bắt buộc.
Chặng này gồm
- Mạng nơ-ron, CNN, hàm mất mát và tối ưu
- Chia train/validation/test, overfitting, data augmentation
- PyTorch cơ bản và transfer learning
- Backpropagation, BatchNorm, kiến trúc CNN kinh điển, khởi tạo trọng số
Bài học theo thứ tự
Học lần lượt từ trên xuống. Làm hết bài tập trong mỗi bài, đánh dấu đã học để theo dõi tiến độ.
-
1
Machine Learning là gì?
Phân biệt lập trình truyền thống và học máy · Biết các loại bài toán học máy · Hiểu quy trình một dự án ML
-
2
Gradient descent từ đầu với NumPy
Hiểu hàm mất mát và gradient · Tự cài gradient descent · Ảnh hưởng của learning rate
-
3
Mạng nơ-ron và CNN hoạt động thế nào
Hiểu neuron, hàm kích hoạt, lớp và linear classifier · Hiểu tích chập, pooling, feature map, conv 1×1 · Tính số tham số một lớp Conv
-
4
PyTorch cơ bản: tensor, autograd, vòng lặp huấn luyện
Làm việc với tensor trên CPU, GPU · Dùng autograd tính gradient · Viết vòng lặp huấn luyện 4 bước
-
5
Loss function và các optimizer: SGD, Momentum, Adam
Chọn hàm loss đúng cho hồi quy và phân loại · Hiểu mini-batch SGD và learning rate · So sánh Momentum, Adagrad, RMSProp, Adam
-
6
Backpropagation: lan truyền ngược
Dùng quy tắc chuỗi trên đồ thị tính toán · Hiểu upstream và local gradient · Tự cài forward, backward cho mạng 2 lớp bằng NumPy
-
7
BatchNorm, Dropout và receptive field
Hiểu BatchNorm khi train và khi suy luận · Dùng Dropout đúng chỗ · Tính receptive field qua từng lớp
-
8
Các kiến trúc CNN kinh điển: LeNet đến ResNet
Nắm ý tưởng chính của LeNet, AlexNet, VGG, ResNet · Hiểu vì sao skip connection giúp mạng sâu · Dùng mô hình pretrained với weights= của torchvision
-
9
Vanishing gradient, khởi tạo trọng số, gradient clipping
Nhận biết vanishing, exploding gradient · Chọn hàm kích hoạt và khởi tạo Xavier, He · Dùng gradient clipping theo norm
-
10
Dataset, DataLoader và augmentation
Viết Dataset đọc ảnh từ thư mục · Dùng DataLoader, batch, shuffle · Chọn augmentation hợp với ảnh công nghiệp
-
11
Overfitting và chia train/val/test
Nhận biết overfitting qua đường loss · Chia dữ liệu không rò rỉ · Các cách chống quá khớp
-
12
Dự án chặng 10: phân loại ảnh OK/NG bằng transfer learning
Tinh chỉnh mô hình có sẵn với ít dữ liệu · Đánh giá bằng ma trận nhầm lẫn · Xuất mô hình ONNX
Đọc thêm
Không bắt buộc, đọc khi muốn hiểu sâu hơn.
Học AI & Lập trình
Tổng quan Deep Learning cho Computer Vision
ML khác DL ở đâu, ảnh xám và ảnh màu được biểu diễn bằng con số ra sao, và ba bài toán cốt lõi của Computer Vision: phân loại, phát hiện, phân vùng.
Học AI & Lập trình
Từ Linear Classifier đến Neural Network
Từ hàm điểm f(x) = Wx + b: trọng số “nhìn” thấy gì, vì sao bắt buộc cần hàm kích hoạt và cách nhiều neuron ghép thành mạng nơ-ron sâu.
Học AI & Lập trình
PyTorch: 7 bước huấn luyện một mạng phân loại ảnh
Tensor, Dataset, DataLoader, model, loss, optimizer, vòng lặp train/validate/test: pipeline huấn luyện phân loại ảnh CIFAR-10 hoàn chỉnh từ đầu.
Học AI & Lập trình
CNN: phép tích chập, padding, stride và pooling
Vì sao mạng fully connected không hợp với ảnh, tích chập trên ảnh nhiều kênh, công thức kích thước đầu ra và số tham số lớp Conv, kèm ví dụ số.
Học AI & Lập trình
Transfer Learning và Data Augmentation khi có ít dữ liệu
Feature extractor hay fine-tune? Chọn chiến lược theo kích thước và độ tương đồng dữ liệu, kèm kỹ thuật tăng cường ảnh với torchvision.
Học AI & Lập trình
Phân loại OK/NG bằng scikit-learn từ đặc trưng hình học
Trích đặc trưng contour bằng OpenCV, huấn luyện Random Forest, xem đặc trưng quan trọng và chọn ngưỡng theo yêu cầu lọt lỗi của nhà máy.
Kiến thức
PyTorch, TensorFlow, ONNX, OpenVINO, TensorRT: học gì trước?
Vai trò của framework huấn luyện và runtime triển khai trong vòng đời một dự án AI Vision, cùng gợi ý thứ tự học.
Tài nguyên
Cheat sheet PyTorch: tensor, lớp mạng, huấn luyện, xuất mô hình
Tra cứu nhanh tensor, GPU, lớp mạng, hàm mất mát, vòng lặp huấn luyện, lưu tải mô hình và các lỗi hay gặp.
Tài nguyên
Sách và khóa học Computer Vision, Deep Learning miễn phí, hợp pháp
Dive into Deep Learning, Understanding Deep Learning, Szeliski, CS231n và thứ tự học gợi ý từ nền tảng đến chuyên sâu.