推 st1009: 看更多論文，注重細節，上面有寫的都有解釋的出來，譬如數09/20 08:25
→ st1009: 學式的意思09/20 08:26
了解 之前報論文支支吾吾的 也會抓不到重點是哪些方法跟結論
再繼續看理論跟數學
推 y956403: 個人覺得實際做還是滿重要的 然後也要一邊讀新的論文 慢09/20 09:50
→ y956403: 慢累積自己知道的東西 未來要改良或想新的東西都會有幫助09/20 09:50
請問實作是指到什麼地步
能打kaggle的題目那樣嗎
推 sxy67230: 我認為你應該要去先把python 的基礎讀完再按部就班讀理09/20 10:34
→ sxy67230: 論跟實作，很多東西是前處理。新手往往會在前處理寫出co09/20 10:34
→ sxy67230: mplexity ^2的code導致模型訓練困難。09/20 10:34
了解 感謝大大
推 zxp9505007: 絕對是自己學會架model比較實在啊 從資料收集 前處理09/20 10:40
→ zxp9505007: model設計 都自己踏實完成 找工作也比較順利09/20 10:40
至於資料收集前處理的部分 也大眼瞪小眼
目前可能都是用別人的數據集
也還沒需要找工作
感覺不是現在的需求
可以拖到以後（？
感謝各位建議
※ 編輯: magic83v (36.224.244.229 臺灣), 09/20/2019 11:14:06
推 EGsux: deeplearning.ai 不錯09/20 12:13
謝謝 不過框架不一樣就不考慮了
→ CaptPlanet: 不知道你的有概念是什麼程度，想要厚實的基礎可以從 P 09/20 14:53
→ CaptPlanet: erceptron 開始，同時順便了解一些其他機器學習的算法 09/20 14:53
→ CaptPlanet: ，接著了解神經網路是怎樣運作計算，這些 OK 之後再去09/20 14:53
→ CaptPlanet: 看 CNN ，一樣要了解它的計算方式以及特點，最後進到09/20 14:53
→ CaptPlanet: Object Detection 才會比較有概念。09/20 14:53
推 CaptPlanet: 學習的過程可以讀論文或網路上的資料，然後上 kaggle 09/20 14:55
→ CaptPlanet: 之類的找找一些小範例練習，這過程自然會看到一些資 09/20 14:55
→ CaptPlanet: 料分析處理以及訓練模型的細節。 09/20 14:55
→ CaptPlanet: 補充一下 object detection 建議從 RCNN 看起雖然算法09/20 15:05
→ CaptPlanet: 複雜但 2 stage 的做法比較容易理解 09/20 15:05
感謝大大 前陣子為了快點看懂yolo的論文
rcnn都亂看
應該再重網路架構開始的qq
推 yoyololicon: 當然是3 09/20 19:29
推 yoyololicon: coding,資料處理是其次，基礎要先打好09/20 19:32
→ f496328mm: 初學者，先做最簡單的例子吧，一開始就物件偵測09/20 23:06
→ f496328mm: 那當然會困難09/20 23:06
→ truehero: 如果主修就是這個先從先看PYTHON 魚書開始09/21 10:53
→ truehero: 一個月就想會改OBJECT DETECT MODEL是不是想太多09/21 10:54
→ truehero: 如果只是要用 那就拿別人的CODE來用 參數一個個試09/21 10:55
→ truehero: 對照效果來熟悉模型的行為09/21 10:56
感謝各位！
可能是我太急著能進入狀況了
都在瞎緊張 囧
再回去從頭開始
※ 編輯: magic83v (39.9.34.22 臺灣), 09/21/2019 12:31:50
推 eggy1018: R7加油 沒想到我們是幹一樣的事情QAQ 09/22 09:12
→ eggy1018: 我覺得可以先把論文看過一次，在實作的時候，會很有感 09/22 09:13
→ eggy1018: 覺 09/22 09:13
→ eggy1018: 一起加油吧 09/22 09:13
推 appleseed: 多謝以上大大的建議。 09/23 06:42
推 chobit199685: 喔 想要碰yolov3的話，FPN論文先看完 10/09 01:55
→ magic83v: 會努力把這些經典都看完的 感謝大大 10/12 15:35