為什麼會有這系列文章
以下紀錄幾個我會寫這系列文章的理由：
- 培養長久做一件事情的能力，不因外力因素就中斷。
- 積累實力，打造履歷（學習歷程）。
- 分享、紀錄自己成長過程中，部分運用到的資源。
每日筆記
AI/ML 學習歷程
Youtube 教學頻道分享、觀看紀錄
大約兩天前，我找到一個頻道，專門講解AI相關的課程。（Youtube頻道連結 – Hung-yi Lee）
這位老師講的內容，我覺得很好理解，目前正在觀看【機器學習2021】這份播放清單的內容。
截至目前為止已看：
- 【機器學習2021】預測本頻道觀看人數 (上) – 機器學習基本概念簡介
- 【機器學習2021】預測本頻道觀看人數 (下) – 深度學習基本概念簡介
- 【機器學習2021】類神經網路訓練不起來怎麼辦 (一)： 局部最小值 (local minima) 與鞍點 (saddle point)
- 【機器學習2021】類神經網路訓練不起來怎麼辦 (二)： 批次 (batch) 與動量 (momentum)
平均每天觀看兩部影片左右。
上課影片簡報：機器學習、深度學習基本概念簡介
文章類 - 深度學習框架的入門抉擇
學習要透過實作才會印象深刻！在觀看 Hung-yi Lee 老師的教學影片後，我開始思考如何實作老師教導的內容。
第一步就是先選擇自己學習AI要使用的框架。
我們都知道目前深度學習框架有PyTorch與TensorFlow兩大框架，兩者剛好互相佔據學術界與產業界的餅。
根據閱讀過的文章，學術界以PyTorch為主，產業界以TensorFlow為主。
基於學習上的考量，將以PyTorch作為踏入AI這塊領域的起手式。在熟悉、理解AI領域的專業知識後，會轉為了解、使用TensorFlow。
參考資料：
[1] HackMD – 深度學習框架: PyTorch與TensorFlow
[2] Medium – Tensorflow vs PyTorch: Which is better for your application development?
文章類 - PyTorch的使用
參考文章：
[1] Medium – PyTorch 基本介紹與教學
今日小成果
今天的小成果包括在PyTorch開發環境中偵測到CUDA GPU。
步驟大約分為：
- 確認顯卡支援 CUDA （AMD 的 API 叫另一個名字）
- 安裝 CUDA toolkit
- 前往PyTorch網站，生成pip安裝指令
特別需要注意的是，CUDA toolkit 版本的選擇，要搭配 GPU 型號、驅動程式及 PyTorch 的版本。（我安裝時，並沒有特別研究 GPU 驅動程式，安裝 CUDA toolkit 時有機會自動解決這件事。）
除此之外，我也有成功參考下面這篇文章建立模型、訓練模型。
以下是過程中完成的步驟：
- 選擇計算裝置（前面安裝完成後的測試部分）
- 建立數據轉換（這部分我還不了解，只是照著教學做，目的是讓資料更漂亮，訓練起來精度更高。）
- 載入測試數據（從資料集載入數據，這次使用的是圖片的資料。）
- 建立模型（包括撰寫模型類別、創建模型實例、設定模型模式）
模型撰寫的部分，我是直接請 ChatGPT 幫我設計一個，模型設計的部分我還有待加強。 - 訓練模型、儲存模型參數
執行程式的時候，有發生需要使用 if __name == “__main__” 來確保創建或執行子進程時，不會發生第二次執行的狀況。