Impresionante-learning-finetune-Experience
Este repositorio no solo contiene experiencia sobre los parámetros Finetune, sino también otra experiencia en práctica, como el conjunto de modelos (impulso, empacación y apilamiento) en Kaggle u otras competiciones.
¡Bienvenido solicitud de extracción!
General
- ¡Mi red neuronal no funciona! ¿Qué tengo que hacer?
- Williamfalcon/Deeprlhacks: Hacks para capacitar a los sistemas RL de la lección de John Schulman en Deep RL Bootcamp (agosto de 2017)
- Una breve discusión sobre el problema de eficiencia del código en el aprendizaje profundo
Curso
- Cómo ganar una competencia de ciencia de datos: Aprenda de los mejores kagglers | Cursera
Apilamiento y impulso y conjunto
- Descripción general de los métodos de fusión del modelo | Columna Zhihu
- Cómo ingresar el 10% superior en el primer juego de Kaggle | Wille
- Introducción al conjunto/apilamiento en Python | Kaggle
- Un artículo para comprender el aprendizaje integrado (con recursos de aprendizaje) | Data jueves
Búsqueda de hiper-parámetro
- SCIKIT-Learn Hyperparameter Search Wrapper | Documentación de la API de SKOPT
Ganancia
- Revisión de red adversas generativas: desde la arquitectura hasta las habilidades de capacitación, es suficiente leer este documento | Heart of Machine [Inglés original]
Visión por computadora
Clasificación de imágenes
- [CVPR 2017] redes de compresión y excitación (ganador de ILSVRC 2017) en CVPR2017
- Columna | MomentA explica el Senet de Arquitectura del Campeonato 2017
- [Fair 2017] SGD de minibatch grande y preciso: entrenamiento de Imagenet en 1 hora
- Competencia de monitor de especies invasivas de Kaggle: descripción general de la solución del 3er lugar
clasificación de etiqueta múltiple
- Entrevista del campeonato de Kaggle Amazon: Uso de la relevancia de la etiqueta para lidiar con los problemas de clasificación | Lei feng.com
Detección
- Tianchi Medical AI Competition Temporada 1 Yiyuan Intelligent_HKBu Rank7 Solución (incluido el código) [Código]
Descripción de la película
- [LSMDC 2016] 1er lugar: Descripción del video mediante la combinación de una fuerte representación y un enfoque simple de vecinos más cercanos. Gil Levi, Dotan Kaufman, Lior Wolf (Universidad de Tel Aviv), Tal Hassner (Universidad del Sur de California) [Diapositivas]
Anotación y recuperación de películas
- [LSMDC 2016] 1er lugar: subtítulos de video y modelos de recuperación con atención semántica. Youngjae Yu, Hyungjin KO, Jongwook Choi, Gunhee Kim (Universidad Nacional de Seúl) [Slides]
- [LSMDC 2016] En segundo lugar: descripción de video mediante la combinación de una representación fuerte y un enfoque simple de vecinos más cercanos. Gil Levi, Dotan Kaufman, Lior Wolf (Universidad de Tel Aviv), Tal Hassner (Universidad del Sur de California)
Lleno en la película en blanco
[LSMDC 2016] 1er lugar: subtítulos de video y modelos de recuperación con atención semántica. Youngjae Yu, Hyungjin KO, Jongwook Choi, Gunhee Kim (Universidad Nacional de Seúl)
[LSMDC 2016] 2st Lugar: Video Complete el espacio en blanco con LSTMS de fusión. Amir Mazaheri, Dong Zhang, Mubarak Shah (Universidad de Florida Central)
Discurso
- 10686 una experiencia de ajuste de parámetros CTC-RNN | Columna Zhihu
Ingeniería de características
Miles de martillos y tallar las montañas profundas: hablemos sobre las mejores prácticas de ingeniería de características | Big Data Varios
Plantsgo/alquiler de la lista de alquiler: Kaggle: Two Sigma Connect: Consultas de alquiler de alquiler-Top1
