Si tienen problemas al importar ReplayBuffer, instalen la libreria visdom con el siguiente comando:
!pip install visdom
Posteriormente tienen que ejecutar la linea que arrojaba el error, la cual es:
from utils import ReplayBuffer
Aprender conceptos iniciales de Deep Learning
¿Qué es el Deep Learning?
¿Qué son las redes neuronales artificiales?
¿Por qué el Deep Learning ahora?
Pytorch y los diferentes frameworks de Deep Learning
Setup en Google Colab
Entender la API de Pytorch
¿Qué son los tensores?
Tensores y datasets
Capas de una red neuronal en Pytorch
Crear una red neuronal en Pytorch
¿Cómo cargar datos en Pytorch?
¿Cómo entrenar una red en Pytorch?
Loop de entrenamiento de la red neuronal
Entrenar Redes Neuronales Profundas
Ciclo de trabajo para el Deep Learning
Espacio de modelos
Función de perdida
Método de optimización: SGD y Backpropagation
Autograd y métodos de optimización
¿Cómo evaluar la performance de la red neuronal?
Regularización de redes neuronales profundas
Implementando la Regularización
Optimización de hiperparametros
Transfer learning
Construir nuestro propio modelo
Presentación del problema
Definiendo la red generativa que construiremos: CycleGAN
Creando la red generadora convolucional
Creando el decoder de la red generadora
Construyendo las redes discriminativas
Preparando el entrenamiento
Instanciando redes, perdidas
Instanciando optimizadores y schedulers
Calculando las pérdidas
Entrenando
Cómo visualizar y debugear el entrenamiento
Cómo utilizar tu modelo una vez entrenado
Cómo utilizar una GPU personal con Google Cloud
Llegar más lejos
¿Por qué el Deep Learning es más poderoso que el Machine Learning Tradicional?
Para ir más lejos
Cierre del curso
Bonus
¿Por qué aprender Deep Learning?
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Crear cuenta
Si ya tienes una cuenta,
Iniciar sesión
Preparando el entrenamiento
28/39Recursos
Aportes 6
Preguntas 1
Ordenar por:
Siento que estas ultimas clases relacionadas con redes generativas no estèn bien explicadas.
El metodo ReplayBuffer en algunos casos no se puede importar del modulo utils del repositorio para este curso porque existe una confución de direcciones. Si se ha seguido todos los pasos del video probablemente nos encontraremos en la carpeta del repositorio que previamente descargamos para copiar las imagenes, en este existe también un metodo utils pero no es el que necesitamos. Por eso, apesar de usar el comando sys.path.apend e indicar la direccion del repositorio de este curso para poder importar utils nos aparece un error. Para solucionarlo se puede:
-
Con el comando %cd ir a la dirección del repositorio del curso antes de importar utils.
-
O, borrar la carpeta del repositorio de dode copiamos las imagenes por que ya no se usará después para que ya no haya esa confusion de direciones.
@Jean Paul hace el siguiente comentario en el siguiente vieo (ayuda bastante tomar el codigo ya debuggeado como referencia, por algún error de dedo que pueda surgir):
""
Asi es y en este repo tienen el codigo con debugging ya realizado por si lo quieren tomar como referencia:
https://github.com/JuanPabloMF/deep-learning-platzi/blob/master/DeepLearningConPytorch.ipynb
""
Nota adicional: Como fui haciendo el codigo casi todo en un solo notebook de colab despues de mover mi posición en la carpeta a “” %cd ‘/gdrive/My Drive’ “” ya no tuve inconvenientes con importar “ReplayBuffer” (Nota adicional: esto despues de que instale visdom con “pip install visdom” desde terminal en windows 10, pero podría no haber sido necesario)
Si no encuentra ReplayBuffer
Ir al directorio antes de importar las librerías:
%cd '/gdrive/My Drive/dl-pytorch'
👍🏼
Al reproducir el video e ir haciendo toda la codificación en paralelo noté algunas inconsistencias:
*En la clase ImageDataset se defienen las variables self.file_A y self.fileB y más abajo, en el método len, se llama como files_a y files_B (en plural y la a minúscula).
En el método getitem se llaman en plural y con la letra de las imágenes mayúsculas.
Pero todos deberían tener los mismos nombres (files_A, files_B)
Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.