行有餘力則以學文: 3月 2022

2022年3月27日星期日

cifar-10圖片分類任務初體驗--使用 pytorch lightning

CIFAR-10(https://www.cs.toronto.edu/~kriz/ cifar.html) 是由 60000 個屬於 10 個分類的 RGB 影像(32×32)組成的(飛機、汽車、鳥、貓、鹿、 ...)。使用pytorch lightning 的官網教學，可以輕易在一個筆記本中試玩三個模型: GoogleNet/Inception (winner of ILSVRC 2014), ResNet (winner of ILSVRC 2015), and DenseNet (best paper award CVPR 2017)。

有趣的是，我在測試其它的資料時，也發現了 SGD 優於 ADAM 的情況。遇到時反正就兩個都試試吧~~

2022年3月21日星期一

PyTorch Lightning 初探--高度抽象化的機器學習架構

pytorch 的程式碼已經相當簡潔了，但是面對海量的架構，還有沒有更更更更簡化的可能呢? 有的， PyTorch Lightning 就是你要的。假日硬啃了一遍，真是被網路上一些過時的教程害死。接下來就是浪費了一個週末得到的血淚心得XD

你的聖經就是 HOW TO ORGANIZE PYTORCH INTO LIGHTNING ，因為版本迭代實在太快，大概半年就翻了一翻，千萬不要，再次強調，千萬不要看半年之前其它神人的神文。神人再神，也沒時間去更新這些教程：)
安裝套件的最新穩定版本。 anaconda 的管理程式不知為何建議了一個非常舊的版本，加倍了我除錯的工作，令人印象深刻。
你會想用 tensorboard 的
from pytorch_lightning.loggers import TensorBoardLogger
logger = TensorBoardLogger("tb_logs", name="my_model")
trainer = Trainer(logger=logger)
你會想限制 epoch 次數/時間的
trainer = Trainer(max_time="00:12:00:00", max_epochs=10)
請在 LightningModule 乖乖的實作 train_dataloader 等函式，那是讓程式決定 batch size 等參數的途徑。不要沿用原來的載入方式
training, validation, predict 是主要的需實作函式， test 不是；不少 pytorch 的 test 其實指涉到 lightning 的 predict ，請格外注意；會實作 training, validation, test 的可能偏向 nlp 的 transformer based language model
lightning 本身沒有辦法推進準確率或降低 loss，有時間我會建議試試 Optuna

2022年3月17日星期四

語音辨識初探

俗話說，好的 notebook 帶你上天堂 (誤) 。一個可以快速上手、執行、修改、測試的原型是學習的捷徑，而 github 上大量的 ipynb 檔剛好符合這些要求。

Automatic Speech Recognition (ASR) 使用 keras 套件，整個文件充滿大量圖解，是非常非常好的學習起點。

speech_end_to_end.ipynb 與上一支程式一樣使用 LibriSpeech 來做為訓練素材，使用 pytorch 套件

PyTorch 模型建構與訓練基礎介紹如其名

dla-2/reproduce.ipynb 較複雜的架構，使用 command speech 做為訓練素材

2022年3月15日星期二

windows 10 下執行 tensorboard 時的錯誤(重開機後無法連線、換專案後仍顯示原專案資訊，…)

由於作者沒預期到會有 windows 使用者，依慣例將執行行程資訊寫到 C:\Users\XXXX\AppData\Local\Temp\.tensorboard-info ，而沒有清除。解決方式目前看來是將 .tensorboard-info 下的檔案們刪掉，並且查看工作管理員是否有未結束的 tensorboard 程式，若有也請一併關閉它。