作者查詢 / EGsux

總覽項目：發文 | 留言 | 暱稱

作者 EGsux 在 PTT [ DataScience ] 看板的留言(推文), 共66則

限定看板：DataScience

首頁

尾頁

[問題] sigmoid cross entropy

[ DataScience ]5 留言, 推噓總分: +2

作者: f422661 - 發表於 2018/04/25 15:40(7年前)

4^F推EGsux: 二分類裡0 1跟 onehot是一樣的阿04/25 21:45

[問題] 分類問題最後的softmax前要activation嗎?

[ DataScience ]19 留言, 推噓總分: +7

作者: Haikyuu - 發表於 2018/04/23 21:07(7年前)

6^F推EGsux: softmax本身就算是 activation的一種只是 activate 最後04/23 22:52

7^F→EGsux: 的是class 沒有說不可以只是對結果不會有幫助04/23 22:52

[問題] 訓練CNN時遇到的問題

[ DataScience ]23 留言, 推噓總分: +12

作者: nctukmdick - 發表於 2018/04/21 14:34(7年前)

15^F推EGsux: norm 照片會train比較快，帶去下一層的數值比較不會令 gra04/21 23:12

16^F→EGsux: dient爆炸04/21 23:12

[問題] 該如何提取訓練完的詳細參數

[ DataScience ]3 留言, 推噓總分: +1

作者: kula0000 - 發表於 2018/04/19 21:11(7年前)

3^F推EGsux: 注意看 dimension 沒留言很容易套不進去xd04/20 06:31

[問題] 請問CNN網路的dropout問題

[ DataScience ]7 留言, 推噓總分: +4

作者: Rprogramming - 發表於 2018/04/19 02:38(7年前)

1^F推EGsux: VGG我印象都有加只是這兩年的paper大家有用 batch norm/gr04/19 04:33

2^F→EGsux: oup norm的大多都沒在用 dropout了04/19 04:33

4^F推EGsux: 印象中單純是不加accuracy較好個人做還是有加啦你也不04/20 06:29

5^F→EGsux: 用一個一個model去試先看一下這幾年流行的CNN再拿來改04/20 06:29

[問題] 全捲積網路(FCN) 在YOLOV2上訓練的問題

[ DataScience ]59 留言, 推噓總分: +19

作者: NMOSFET - 發表於 2018/04/16 14:18(7年前)

22^F推EGsux: 如果800*800會變成416*416 那1600*800 會變成832*416 13*1304/17 07:03

23^F→EGsux: 變26*13 這樣會不會比較好懂04/17 07:03

Re: [問題] L1與L2正規化的差別

[ DataScience ]7 留言, 推噓總分: +4

作者: abc2090614 - 發表於 2018/04/06 09:13(7年前)

1^F推EGsux: 推一下沒看過04/06 09:20

Re: [問題] Validation set 到底在做什麼?

[ DataScience ]49 留言, 推噓總分: +11

作者: lucien0410 - 發表於 2018/03/30 10:14(7年前)

1^F→EGsux: 你都要做seq2seq了你要不要認真查一下書看一次這些ML DL03/30 12:08

2^F→EGsux: 基本阿03/30 12:08

[問題] logistic regression vs SVM

[ DataScience ]12 留言, 推噓總分: +4

作者: jikett - 發表於 2018/03/30 09:25(7年前)

2^F→EGsux: 這要回有點長xd decision boundry不一樣 interpretability03/30 09:42

3^F→EGsux: 還有 big O complexity 都不同03/30 09:42

4^F→EGsux: 就算是y=0,1 他們的特性都差很多03/30 09:43

5^F→EGsux: svm prediction on unseen data 會比較準一點？因為用 sup03/30 09:44

6^F→EGsux: port vector的特性特別是小的dataset？03/30 09:44

7^F→EGsux: boundry 可不只有 linear non linear, SVM 的SV是指 suppor03/30 09:46

8^F→EGsux: t vector03/30 09:46

9^F推EGsux: 還有n>m用SVM也會比較好03/30 09:50

[問題] 面試會被問的問題

[ DataScience ]9 留言, 推噓總分: +2

作者: lunashining - 發表於 2018/03/29 10:03(7年前)

6^F→EGsux: kaggle強起碼你modeling強阿xd03/29 16:40

首頁

尾頁