今天学习Practical Deep Learning For Coders的第六章。

我其实只看了这章第一部分，讲的是给图像分类时，如果一个图象有多个标签会怎么样。然后我就在想，如果把书中给的例子做一个举一反三，我把之前做的熊的分类器改进一下，让它能够识别属于多个类别的图片怎么样？

我还希望如果上传一张与熊没有关系的图片，可以被模型明确的告诉我说不存在熊。

bears multilabel是这一个项目的地址。

我用duckduckgo下载了三种熊的图片，然后为了让分类器能够识别不是熊的情况，我又额外加入了一项要下载的内容：“all kinds of stuff“。事实证明这很有效。如果不是熊，那么图片就会被分为这个类别；如果熊（尤其是泰迪熊）和其他的杂物放在一起，那么这两个类别就同时成立。

值得学习的点：

  • duckduckgo调用的话必须使用最新版本的api，而且会出现调用失败的情况，被限速了！
  • 清理数据现在变得麻烦了，kaggle这边显示不了ipywidgets（莫名其妙）。我本来想在本地开一个Jupyter notebook试一试，但是duckduckgo又访问不了了……我查了一遍网上，没有明确解决方案，反而可能和处理图片中的aug_transforms()有关，又添新坑。
  • 从网上快速下载图片的方法：直接用download_url(url, path)即可。