Eksperence-finetune-finetune-learning-deep-deep
Repositori ini tidak hanya berisi pengalaman tentang parameter finetune, tetapi juga pengalaman dalam praktik lainnya seperti model ensemble (meningkatkan, mengantongi dan menumpuk) di Kaggle atau kompetisi lainnya.
Selamat Datang Permintaan Tarik!
Umum
- Jaringan saraf saya tidak berfungsi! Apa yang harus saya lakukan?
- Williamfalcon/Deeprlhacks: Hacks for Training RL Systems dari John Schulman's Lesson at Deep RL Bootcamp (Agustus 2017)
- Diskusi singkat tentang masalah efisiensi kode dalam pembelajaran mendalam
Kursus
- Cara Memenangkan Kompetisi Ilmu Data: Belajar Dari Kagglers Top | Coursera
Menumpuk & Meningkatkan & Ensemble
- Gambaran Umum Metode Fusi Model | Kolom zhihu
- Cara masuk 10% teratas di game pertama Kaggle | WILLE
- Pengantar Ensembling/Stacking di Python | Kaggle
- Satu artikel untuk memahami pembelajaran terintegrasi (dengan sumber belajar) | Data thu
Pencarian hiper-parameter
- Pembungkus pencarian hyperparameter scikit-learn | Dokumentasi API Skopt
Gan
- Ulasan Jaringan Perpisahan Generatif: Dari arsitektur hingga keterampilan pelatihan, sudah cukup untuk membaca makalah ini | Heart of Machine [Bahasa Inggris Asli]
Visi komputer
Klasifikasi Gambar
- [CVPR 2017] Jaringan Squeeze-and-Excitation (pemenang ILSVRC 2017) di CVPR2017
- Kolom | Momenta menjelaskan Senet Arsitektur Kejuaraan 2017
- [Fair 2017] SGD minibatch yang akurat, pelatihan Imagenet dalam 1 jam
- Persaingan Monitor Spesies Invasif Kaggle: Tinjauan Solusi Tempat ke -3
Klasifikasi multi-label
- Wawancara Kejuaraan Kaggle Amazon: Menggunakan Tag Relevansi untuk Menangani Masalah Klasifikasi | Lei feng.com
Deteksi
- Tianchi Medical AI Competition Season 1 Yiyuan Intelligent_HKBU Solusi peringkat 7 (termasuk kode) [kode]
Deskripsi film
- [LSMDC 2016] Tempat 1: Deskripsi video dengan menggabungkan representasi yang kuat dan pendekatan tetangga terdekat yang sederhana. Gil Levi, Dotan Kaufman, Lior Wolf (Universitas Tel Aviv), Tal Hassner (Universitas California Selatan) [Slide]
Anotasi dan pengambilan film
- [LSMDC 2016] Tempat Pertama: Model Captioning dan Pengambilan Video dengan perhatian semantik. Youngjae Yu, Hyungjin KO, Jongwook Choi, Gunhee Kim (Universitas Nasional Seoul) [Slide]
- [LSMDC 2016] Tempat ke -2: Deskripsi video dengan menggabungkan representasi yang kuat dan pendekatan tetangga terdekat yang sederhana. Gil Levi, Dotan Kaufman, Lior Wolf (Universitas Tel Aviv), Tal Hassner (Universitas California Selatan)
Film diisi-dalam-blok
[LSMDC 2016] Tempat Pertama: Model Captioning dan Pengambilan Video dengan perhatian semantik. Youngjae Yu, Hyungjin KO, Jongwook Choi, Gunhee Kim (Universitas Nasional Seoul)
[LSMDC 2016] Tempat ke -2: Video mengisi yang kosong dengan menggabungkan LSTMS. Amir Mazaheri, Dong Zhang, Mubarak Shah (Universitas Florida Tengah)
Pidato
- 10686 Pengalaman Penyesuaian Parameter CTC-RNN | Kolom zhihu
Teknik fitur
Ribuan palu dan mengukir Pegunungan Deep: Mari kita bicara tentang praktik terbaik dari Teknik Fitur | Data Besar Lain -lain
Plantgo/-listing-Inquiries: Kaggle: Two Sigma Connect: Pertanyaan Daftar Sewa-TOP1
