Відео

.

Anh ơi em bị mắc lỗi như thé này thì là do lỗi gì ạ anh : ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (6,) + inhomogeneous part.

cho e hỏi dòng code (if __name__ == "__main__":) là cú pháp mà hàm main nào cũng phải có ạ? Hay nó sẽ thay đổi nếu tên file là tên khác ạ?

Cảm ơn anh

File "c:\Users\MSI PC\Visual Studio Code\2_object_detection\dataset.py", line 19, in __getitem__ img, gt, height, width = self.pull_item(index) ^^^^^^^^^^^^^^^^^^^^^ File "c:\Users\MSI PC\Visual Studio Code\2_object_detection\dataset.py", line 33, in pull_item img, boxes, labels = self.transform(img, self.phase, ann_info[:, :4], ann_info[:, 4]) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "c:\Users\MSI PC\Visual Studio Code\2_object_detection\transform.py", line 33, in __call__ return self.data_transform[phase](img, boxes, labels) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "c:\Users\MSI PC\Visual Studio Code\2_object_detection\utils\augmentation.py", line 52, in __call__ img, boxes, labels = t(img, boxes, labels) ^^^^^^^^^^^^^^^^^^^^^ File "c:\Users\MSI PC\Visual Studio Code\2_object_detection\utils\augmentation.py", line 238, in __call__ mode = random.choice(self.sample_options) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "numpy\ andom\\mtrand.pyx", line 937, in numpy.random.mtrand.RandomState.choice ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (6,) + inhomogeneous part. em tải file về train và bị lỗi như v, sửa sao ạ

Cho e xin link github không anh

"hàm" thôi chứ không phải "hàm số" đâu ạ

có bạn nào đưa code len Colab để chạy được chưa các bạn?

Series tuỵêt vời lắm ạa, rấc cám ơn anh. Hy vọng anh sẽ ra thêm nhiều series nữa :"))

anh ơi em chưa rõ nếu không phải ong và kiến chỉ có 4 vị trí, ví dụ ong và bướm thì câu lệnh chỗ[30:34 ] sẽ viết như thế nào

I have random input images sizes? will it work with SSD ? I am using supergradients SSD Lite Mobilenet v2.

nay em ngồi viết báo cáo SSD xem lại video của anh của anh lại thấy nhớ lại hồi dịch 2 năm trước. Hồi đấy ở nhà bắt đầu mày mò học DL. E cày hết tất cả video trên kênh của anh từ mấy bài giảng pytorch đầu tiên cho đến hết bài segmentation. Hí nhanh thật đấy h e cũng đã chính thức làm việc trong mảng này rồi. Thanks anh rất nhiều vì hồi đấy mày mò mãi mới có được kênh tiếng Việt giảng chi tiết và tâm huyết như anh.

người không có nền tảnh gì thì có học dc không ad

Cho em hỏi chút là trong phần datatransform, làm sao để quyết định nên thực hiện loại transform nào ạ?

ổn quá anh coi hiểu nhiều

Dòng img_transformed = transform(img) bị lỗi thì phải xử lý sao ạ ??

dạ color_mean mà tập dữ liệu đưa ra là dành cho ảnh gốc. Nhưng trong quá trình transform, ta lại gọi các biến đổi khác trước rồi mới gọi hàm SubstractMeans(color_mean) thì lúc này color_mean nó đã khác so với ban đầu nhưng ta vẫn sử dụng color_mean của tập ảnh ban đầu thì có ảnh hưởng gì không ạ?

ADMIN lam ve chu de su dung python trong graphic design di a

Em thấy hàm jaccard nó không khác gì IOU cả, 2 cái đó có phải là 1 không ạ?

Hàm này anh viết bị warming nhiều quá vì cập nhập phiên bản nên em đã viết lại nó: def non_max_suppression(boxes, scores, overlap_threshold=0.45): # Tạo một tensor từ danh sách bounding box và scores boxes_tensor = torch.Tensor(boxes) scores_tensor = torch.Tensor(scores) # Tính toán diện tích của bounding box areas = torch.mul(boxes_tensor[:, 2] - boxes_tensor[:, 0], boxes_tensor[:, 3] - boxes_tensor[:, 1]) # Sắp xếp các bounding box theo độ tin cậy giảm dần sorted_indices = torch.argsort(scores_tensor, descending=True)[:200] selected_indices = [] while len(sorted_indices) > 0: # Lấy bounding box có độ tin cậy cao nhất best_idx = sorted_indices[0].item() selected_indices.append(best_idx) sorted_indices = sorted_indices[1:] # Tính toán các tọa độ góc của bounding box đã chọn x1 = torch.max(boxes_tensor[best_idx, 0], boxes_tensor[sorted_indices[:], 0]) y1 = torch.max(boxes_tensor[best_idx, 1], boxes_tensor[sorted_indices[:], 1]) x2 = torch.min(boxes_tensor[best_idx, 2], boxes_tensor[sorted_indices[:], 2]) y2 = torch.min(boxes_tensor[best_idx, 3], boxes_tensor[sorted_indices[:], 3]) # Tính toán chiều rộng và chiều cao của bounding box đã chọn width = torch.clamp(x2 - x1 + 1, min=0) height = torch.clamp(y2 - y1 + 1, min=0) # Tính toán diện tích giao nhau của bounding box đã chọn với các bounding box còn lại intersection_area = width * height # Tính toán tỷ lệ overlap overlap = intersection_area / (areas[best_idx] + areas[sorted_indices[:]] - intersection_area) # Giữ lại id của box có overlap ít với bbox đang xét sorted_indices = sorted_indices[overlap.le(overlap_threshold)] return selected_indices

Đoạn này em thấy khó thực sự, tại ko hình dung được đầu vào và đầu ra nó có định dạng như nào nên rất là khó tưởng tượng!

Cám ơn anh nhé :3

Thực sự rất cảm ơn công sức anh dành ra làm nội dung này!

Anh ơi tiếng bàn phím hơi to ý, video sau a cho phím xa mic một xíu xem sẽ không bị khó chịu ý em đeo tai nghe hơi ù tai ạ. Cảm ơn anh video hữu ích và rất thích cách anh nói ạ ^^

các video của anh rất chi tiết và rất hay ạ ^^ như phần giới thiệu kênh của anh thì anh đang làm AI cho công ty viễn thông đúng ko ạ? Anh cho em hỏi các hướng ứng dụng của AI trong viễn thông như thế nào ạ, em cũng học ngành viễn thông và em đang học thêm AI để tăng thêm cơ hội việc làm, nhưng em mới đang thấy AI trong xử lý ảnh, xử lý ngôn ngữ và chưa hình dung được sẽ áp dụng trong hướng viễn thông như thế nào ạ ^^ em cám ơn anh ^^

tại sao không train ở epoch 0 vậy anh?

cảm ơn anh ạ

anh cho em hỏi là làm sao để minh xoá 1 số lớp và thêm 1 số lớp mới vậy ạ?

anh code nhầm một chỗ thôi cũng khiến nó khó hiểu lắm ạ, hic😢

đoạn 25:16 "where f_k is k-th square feature map", vậy sao anh không gán trực tiếp bằng f luôn mà tính công thức đấy ạ, em vẫn chưa hiểu đoạn này

tại sao khi em chạy đoạn code thì ở dòng "img_transformed = transform(img)" lại báo lỗi 'BaseTransform' object is not callable' ạ

Cảm ơn anh nhiều, giờ em đã hiểu hơn nhiều rồi ạ <3.

làm thế nào để rút gọn xâu ạ?

làm thế nào để rút gọn xâu ạ?

Cho em hỏi về xử lý xác minh người nói thì áp dụng pytoch này như nào ạ? E cảm ơn ạ

anh ơi anh có videos nào mà setup visual theo kiểu anh đang dùng không ạ? em rất muốn tham khảo ạ

type của class là <class ...>. Em không biết là có cách nào để thay đổi type của class ko ạ. Em cảm ơn nhiều

Cảm ơn anh share kiến thức ạ! Đoạn flatten em dùng net.add_module("flatten", nn.Flatten()) so với class anh tạo bên trên thì kết quả y hệt nhau torch.Size([1, 576]), nên chắc bạn nào không hiểu đoạn class anh tạo thì cứ dùng hàm có sẵn cho nhanh. Mà thật ra chỗ đoạn này có cách tính nhẩm flatten = 16*3*3*2 = 576(mình nhớ không nhầm thì trong cuốn deeplearnig cơ bản của anh Tuấn có đoạn hướng dẫn tính), nên lúc code dễ kiểm soát mô hình hơn.

Image Classification có mấy module vậy ạ ?

bạn ơi bạn có nhu cầu bán kênh không ạ, bên mình đang cần mua kênh

a có thể làm video train model của mình tự tạo k a?

Very informative, thank you!

ghi file dạng int thì ghi như nào anh,sài write thì nó chỉ cho str chứ ko có int

Mong a quay tro lai va ra them nhieu video nua ah. cam on anh

ở phần extras không sử dụng reLU à anh

Cho e hỏi muốn tạo đồng thời 2 method init, trong đó 1 method là có tham số, 1 method không có tham số thì làm thế nào ạ, em biết là nếu đặt tên 2 method trùng nhau thì chương trình sẽ lấy method mới nhất nên không thể nhập 2 method(init) cùng tên giống như C++ được.

anh ơi, khi e chạy đoạn code cuối cùng trên google colab nó ntn "[Errno 2] No such file or directory: './data/VOCdevkit/VOC2012/Annotation/2008_000003.xml'" a giúp e với ạ.

cho em hỏi là tùy từng đặc tính của mỗi dataset khác nhau thì mình sẽ thay đổi các param sao cho phù hợp với data của mình ạ và thêm một câu hỏi nữa là thay đổi như thế nào ạ

sau khi học xong series này, em thấy hiểu rõ hơn về deep rất nhiều. cảm ơn anh

một series video kiến thức tuyệt vời, cảm ơn anh rất nhiều