Uso di reti pre-trained: EfficientNet
Perchè EfficientNet?
Quando si tratta di mostrare come concretamente attuare il Transfer Learning gli esempi che si trovano sui libri, i tutorial online, utilizzano troppo spesso reti convolutive (CNN) ben note quali: VGG16, Inception, Resnet, DenseNet.
Un esempio lo potete trovare nel bel libro di F. Chollet, Deep Learning In Python, pag. 145, ove, appunto, è utilizzata la rete VGG16.
Si tratta di reti sviluppate alcuni anni fa, che hanno anche vinto competizioni quali la ImageNet Large Scale Visual Recognition Competition (ILSRVC). Reti che hanno fatto la storia, dimostrato, concretamente, le enormi potenzialità del DL e dato l'avvio all'enorme potenziale di investimenti, in soldi ed in termini di potenziale umano, in questo campo.
La lettura di tali esempi è senza dubbio istruttiva, ma se vogliamo usare una rete CNN pre-trained per risolvere un problema concreto conviene oggi usare una rete VGG16 o Inception?
(Deep) Learning from Kaggle Competitions
Why Kaggle?
I have started using Kaggle seriously a couple of months ago when I joined the SIIM-ISIC Melanoma Classification Competition.
AI4Medicine
Introduzione.
Nel mese di marzo del 2020, anche per sfruttare al meglio la forzata "reclusione" dovuta al "social distancing" imposto dalle misure per la prevenzione del covid-19, ho deciso di iniziare a seguire la specializzazione AI for Medicine di Coursera.
Deep Learning e diagnosi del cancro della pelle.
Introduzione.
Il cancro della pelle (skin cancer) è una delle lesioni maligne più importanti e, in particolare in nazioni quali Australia e Nuova Zelanda, dove l’effetto del sole è maggiore, è un problema molto molto serio. La forma più pericolosa è il melanoma, che può essere curato con efficacia soltanto nel caso di diagnosi precoce.
How to check if GPU is really used?