模型实验
从 Python 与模型实验出发。
我通过 PyTorch 练习理解卷积网络、Inception 和 ResNet,也逐渐意识到:能跑通模型只是开始。数据划分、训练设置和结果表述同样需要准确。
关于 Zhuo
保留每一次真实的练习,
也保留下一步的问题。
我的路径
模型实验
我通过 PyTorch 练习理解卷积网络、Inception 和 ResNet,也逐渐意识到:能跑通模型只是开始。数据划分、训练设置和结果表述同样需要准确。
软件构建
现在的项目把模型、接口、前端、测试和工作流连接起来。我关心的不只是功能能否出现,也关心它能否被解释、验证和继续维护。
从问题出发,允许自己绕路,但会把真正学到的东西带回来。
把学到的东西写下来,让思考过程可以回看。
让抽象理解落到可运行的代码、清晰的界面和可复盘的过程。
想看看代码,或者聊聊正在做的事?