Fantastisches Deep-Learning-Finetune-Erlebnis
Dieses Repository enthält nicht nur Erfahrungen über Parameter-Finetune, sondern auch andere Erlebnisse in der Praxis wie Modellsemble (Boosting, Sacking und Stapeln) in Kaggle oder anderen Wettbewerben.
Willkommen Pull Anfrage!
Allgemein
- Mein neuronales Netzwerk funktioniert nicht! Was soll ich tun?
- Williamfalcon/Deeprlhacks: Hacks für das Training von RL -Systemen aus John Schulmans Lektion bei Deep RL Bootcamp (August 2017)
- Eine kurze Diskussion über das Problem der Codeeffizienz im Deep -Lernen
Kurs
- Wie man einen Datenwissenschaftswettbewerb gewinnt: Lernen Sie von Top Kagglers | Coursera
Stapel & Boosting & Ensemble
- Überblick über Modellfusionsmethoden | Zhihu -Säule
- So betreten Sie die Top 10% in Kaggle's erstem Spiel | Wille
- Einführung in Ensembling/Stapeling in Python | Kaggle
- Ein Artikel zum Verständnis integriertes Lernen (mit Lernressourcen) | Daten Thu
Hyper-Parameter-Suche
- Scikit-larn hyperparameter suchhülle | SKOPT API -Dokumentation
Gan
- Generatives kontroverses Netzwerk Review: Von der Architektur über Trainingsfähigkeiten reicht es aus, dieses Papier zu lesen | Herz der Maschine [Original Englisch]
Computer Vision
Bildklassifizierung
- [CVPR 2017] Squeeze-and-Recitation-Netzwerke (ILSVRC 2017-Gewinner) bei CVPR2017
- Spalte | Momenta erklärt den Senet der Meisterschaftsarchitektur 2017
- [Fair 2017] Genau, große Minibatch -SGD: Trainingsbild in 1 Stunde
- Kaggle Invasive Species Monitor Wettbewerb: 3rd Place -Lösung Übersicht
Multi-Label-Klassifizierung
- Kaggle Amazon Championship Interview: Verwenden Sie die Relevanz von Tags, um sich mit Klassifizierungsfragen zu befassen | Lei feng.com
Erkennung
- Tianchi Medical AI Wettbewerbswettbewerbszeit 1 Yiyuan Intelligenz_HKBU Team Rank7 -Lösung (einschließlich Code) [Code]
Filmbeschreibung
- [LSMDC 2016] 1. Ort: Videobeschreibung durch Kombination einer starken Darstellung und eines einfachen Ansatzes für den nächsten Nachbarn. Gil Levi, Dotan Kaufman, Lior Wolf (Tel Aviv University), Tal Hassner (Universität von Südkalifornien) [Folien]
Filmannotation und Abruf
- [LSMDC 2016] 1. Platz: Videounterschrift und Abrufmodelle mit semantischer Aufmerksamkeit. Youngjae Yu, Hyungjin Ko, Jongwook Choi, Gunhee Kim (Seoul National University) [Folien]
- [LSMDC 2016] 2. Ort: Videobeschreibung durch Kombination einer starken Darstellung und eines einfachen Ansatzes für den nächsten Nachbarn. Gil Levi, Dotan Kaufman, Lior Wolf (Tel Aviv University), Tal Hassner (Universität von Südkalifornien)
Filmfüllung
[LSMDC 2016] 1. Platz: Videounterschrift und Abrufmodelle mit semantischer Aufmerksamkeit. Youngjae Yu, Hyungjin Ko, Jongwook Choi, Gunhee Kim (Seoul National University)
[LSMDC 2016] 2st Place: Video füllen Sie das Leerzeichen mit verschmelzen LSTMS aus. Amir Mazaheri, Dong Zhang, Mubarak Shah (Universität von Zentralflorida)
Rede
- 10686 A CTC-RNN-Parameteranpassungserfahrung | Zhihu -Säule
Feature Engineering
Tausende Hämmer und schnitzen die tiefen Berge aus: Sprechen wir über die besten Praktiken von Feature Engineering | Big Data Verschiedenes
Pflanzengo/Miete-Listing-Inquiries: Kaggle: Two Sigma Connect: Mietlistenanfragen--Top1
