trên lý thuyết mô hình bạn đưa ra chứa 71 triệu parameters so với tập dữ liệu quá nhỏ như LFW chỉ chứa tầm 210 người và nếu công cái dữ liệu mình thu thập từ thực tế thì tầm 400 person avaible ???? ==> Chính điều này dẫn đến overfit ??

cho mình thắc mắc xíu là thế này dữ liệu mình thì quá ít nếu tiến hành pretrain trên 1 mô hình quá bự thì có thể dẫn đến overfitting ??? thì mình finetuning dữ liệu ? (do mình hiểu finetuning có nghĩa là tinh chỉnh ?? vậy mình có cần phải viết lại 1 cái architecture nhỏ hơn phù hợp hơn với tập dữ liệu của mình hay ko ? )

Tks bạn

• Đúng rồi bạn, PCA và t-SNE đc tính toán tự động bằng code Js trong file index.html. Còn ko thì bạn có thể dùng bất kì thư viện visualize nào của python.
• t-SNE chỉ phù hợp cho mục đích visualize dữ liệu. Bên trên mình có thêm 1 bước dùng PCA để muốn giảm số lượng feature xuống khi chạy t-SNE, từ 4096 về 128, giảm khối lượng tính toán xuống vì dữ liệu quá nhiều (max là 10000 sample) hoặc số feature quá lớn khiến việc visualize trên browser khá giật, lag.
• Việc visualize với t-SNE sau khi chạy khoảng 200 iterations, data phân cụm khá rõ ràng với từng class mà, ko có chuyện hiện thị nhầm giữa 2 cái

mô hình không có gì thay đổi cả bạn nhé, vì mô hình của mình ở đây nôm na là có khả năng chuyển đổi ảnh từ 1 khuôn mặt sang 1 vector (sử dụng cho các giai đoạn xử lý sau đó)

thu đi để lại lá vàng, cu đi để lại muôn vàn kiến thực

Great! Cảm ơn bạn đã share về t-SNE.

Có điều mình có vài điều chưa hiểu, mong bạn giải đáp giúp mình:

• Trong python code, mình chỉ thấy có tính PCA và iPCA của Feature. t-SNE đc tự động tính toán trong html code chứ ko cần tính riêng hả bạn?
• Thông thường, khi reduce dimension, t-SNE thường distinguish data rõ ràng hơn PCA. Nên, có vẻ như visualization PCA của bạn bị hiển thị nhầm t-SNE còn t-SNE lại hiển thị PCA phải ko ạ? (Vì mình đã tham khảo 2 nguồn sau và cảm thấy bất thường: https://scikit-learn.org/stable/auto_examples/manifold/plot_lle_digits.html#sphx-glr-auto-examples-manifold-plot-lle-digits-py https://medium.com/@luckylwk/visualising-high-dimensional-datasets-using-pca-and-t-sne-in-python-8ef87e7915b https://lvdmaaten.github.io/tsne/examples/mnist_tsne.mov)

Bài viết hay quá bạn ei =))

deploy trên các máy chủ vật lý khác nhau thì bạn có thể dùng các tool khác như swarm hoặc kubernetes nhé

baì viết dễ hiểu , tks anh zai

chào bạn. Nếu bài toán là nhận diện từng người trong 1 tấm hình thì mô hình sẽ được xây dựng lại như thế nào? Cảm ơn bạn

xóa đoạn use Searchable đi bạn.

Bạn chạy lệnh này xem sao: composer dump-autoload

lợi

Gắt quá

Thank bro. Bài đầu tiên mình thực hành với ML

Mis Amigos

Trang ơi, Mình không tải được link demo vì không có account đăng nhập Bitbucket. Bạn gửi cho mình link khác nhé.

c gõ Trung Quân sao có mỗi Trung thế (khoc) bug rồi

chào a! e chạy php artisan db:seed --class=PostSeeder thì ra lỗi