作者查詢 / kaltu

總覽項目：發文 | 留言 | 暱稱

作者 kaltu 在 PTT [ DataScience ] 看板的留言(推文), 共64則

限定看板：DataScience

看板排序：

全部C_Chat11308Gossiping7007WomenTalk4700PC_Shopping3169MobileComm2711StupidClown1709marvel1535movie1317Tech_Job1234joke1232Japan_Travel972Lifeismoney838e-shopping590creditcard352NIHONGO293HatePolitics242Wargaming135C_ChatBM123Stock92Soft_Job85DataScience64AC_In62Military46Comic39book37Storage_Zone35L_LifeJob33PlayStation32Eng-Class26LoL26Aviation24Baseball21nCoV201921Steam21AfterPhD19TWvoice17gay15NSwitch12PokemonGO12Boy-Girl10Audiophile9nb-shopping9CFantasy8CYCU_Talk8NBA8part-time8PublicIssue8specialman8Sub_DigiTech8AI_Art7Digitalhome7Kaohsiung7Minecraft7AVEncode6car6ChineseMed6Ind-travel6Kyoto_Ani6biker5GO5Aves4Broad_Band4marriage4Sub_GOnline4TaiwanDrama4Windows4Women_Picket4BabyMother3BeautySalon3Doraemon3gallantry3hardware3KoreaStar3LCD3TaichungBun3Teacher3Vocaloid3YOLO3C_BOO2C_GenreBoard2ComGame-Plan2fastfood2FFXIV2LAW2Marginalman2medstudent2MH2MRT2ONE_PIECE2paranormal2rent-exp2VAPE2Violation2Android1ask1AskBoard1AudioPlayer1Conan1DummyHistory1Folklore1Gov_owned1Hiking1KoreanPop1L_HappyLivin1LightNovel1LoveLive_Sip1MapleStoryM1MenTalk1MercStoria1Mizuki_Nana1PublicServan1Salary1transgender1Translation1True-Escape1TY_Research1VISA1Warfare1youtuber1<< 收起看板(119)

首頁

尾頁

[問題] 驗證的accuarcy完全沒變

[ DataScience ]36 留言, 推噓總分: +6

作者: fragmentwing - 發表於 2023/03/09 12:42(2年前)

20^F推kaltu: 梯度消失也很難消失得這麼徹底到好像完全沒做back propagat03/18 07:06

21^F→kaltu: ion一樣03/18 07:06

22^F→kaltu: 壞的這麼漂亮的狀況我投bug一票03/18 07:06

[討論] youtube版權審核機制

[ DataScience ]17 留言, 推噓總分: +3

作者: wang19980531 - 發表於 2020/06/07 22:47(5年前)

2^F推kaltu: 影像spatial data在機器學習上縮放旋轉本來就是很常用的dat06/14 11:01

3^F→kaltu: a augmentation06/14 11:01

4^F→kaltu: 通常model也會強調這部分的robustness06/14 11:01

5^F→kaltu: 音樂的話，現在主流其實還是基於傅立葉的手法，例如 Shazam06/14 11:01

6^F→kaltu: 是用聲譜去做 fingerprinting06/14 11:01

7^F→kaltu: YouTube很有可能在商業上跟Shazam合作使用同一份fingerprin06/14 11:01

8^F→kaltu: t庫06/14 11:01

9^F→kaltu: 那你從聲譜的原理上就看得出來這是對音高敏感的技術06/14 11:01

10^F推kaltu: 用聲譜的優點是音樂這種temporal data，在Y軸上不同頻率如06/14 11:18

11^F→kaltu: 果因為等化器特效、使用者麥克風和場所喇叭的頻率響應、現06/14 11:18

12^F→kaltu: 場的噪音等因素06/14 11:18

13^F→kaltu: 而使得某些頻率被遮蔽，那X軸拉長了依然可以match06/14 11:18

14^F→kaltu: 如果要讓Y軸不只頻率遮蔽還要加入對頻率平移(調高調低)的ro06/14 11:18

15^F→kaltu: bustness06/14 11:18

16^F→kaltu: 感覺是變成除了在X軸做sliding window search之外對Y軸也要06/14 11:18

17^F→kaltu: 做一遍？06/14 11:18

[問題] conv3D

[ DataScience ]19 留言, 推噓總分: +3

作者: s1010257 - 發表於 2020/04/03 04:18(5年前)

6^F推kaltu: 我覺得決定要用哪種conv的重點是看你希望抽出來的feature是04/04 01:45

7^F→kaltu: 幾D04/04 01:45

8^F→kaltu: 醫學影像的3D，例如MRI或CT斷層掃出來就是真3D volume HxWx04/04 01:45

9^F→kaltu: D，這個時候因為預期的feature會是3D所以就很常用3D卷積保04/04 01:45

10^F→kaltu: 留D軸的空間資訊04/04 01:45

11^F→kaltu: 所以如果你覺得你的應用，第三軸的空間關係是重要feature的04/04 01:45

12^F→kaltu: 話，使用3D卷積不是不行04/04 01:45

13^F→kaltu: 順帶一提convXD的X代表的是輸出的shape是filter個X維度的X+04/04 01:45

14^F→kaltu: 1維張量04/04 01:45

15^F→kaltu: 像RGB影像做conv2D，kernel其實是3D的，第一層設定5x5 filt04/04 01:45

16^F→kaltu: er其實是5x5x304/04 01:45

17^F→kaltu: 舉例來說有些大量filter的conv層後面會有1x1卷積，意思是1x04/04 01:45

18^F→kaltu: 1x256之類的把前面長太多的filter壓扁回來04/04 01:45

[問題]評分的文字探勘模型

[ DataScience ]20 留言, 推噓總分: +6

作者: empireisme - 發表於 2020/03/07 17:55(5年前)

20^F推kaltu: https://keras.io/examples/imdb_cnn_lstm/03/20 00:37

[問題] 強AI的嚴謹定義？

[ DataScience ]33 留言, 推噓總分: +4

作者: dharma - 發表於 2020/03/04 16:44(5年前)

14^F推kaltu: 圖靈測試也只是測試，不是嚴謹（邏輯上正確，有人反對也沒03/06 17:49

15^F→kaltu: 差）的定義03/06 17:50

16^F→kaltu: 就算再複雜的圖靈測試，有人還是可以用中文房間原則認為那03/06 17:50

17^F→kaltu: 東西不是「智慧」03/06 17:50

18^F→kaltu: 而且圖靈測試的根基是測試者主觀認為這點就很有問題，歧視03/06 17:50

19^F→kaltu: 是人類天生就具有的能力，就算一個測試對象的確表現出完整03/06 17:50

20^F→kaltu: 的智慧，依然有與智慧無關的特徵可以在圖靈測試中分辨出某03/06 17:50

21^F→kaltu: 個答案是某個來源03/06 17:50

22^F→kaltu: 例如就算我們放兩個人類進去圖靈測試的參與者一樣有自己的03/06 17:50

23^F→kaltu: 辦法感覺出誰是誰然後根據自己的喜好選擇03/06 17:50

24^F→kaltu: 圖靈測試的本質只是個loss function03/06 17:53

25^F→kaltu: 只能回答受測者之間的差異，不能檢測智慧03/06 17:53

26^F→kaltu: 要讓loss正常運作，我們需要更多的訓練資料，只有人類一個03/06 17:53

27^F→kaltu: 物種的智慧樣本不可能讓圖靈測試work03/06 17:53

Fw: [菜單] 70K 深度學習機請益

[ DataScience ]29 留言, 推噓總分: +3

作者: andy086 - 發表於 2019/11/11 16:19(6年前)

31^F→kaltu: 9700k+2080Ti用650w是剛好11/15 06:17

32^F→kaltu: 真的就是字面上的剛剛好，如果你還要加四顆風扇，之後會加R11/15 06:17

33^F→kaltu: AM加硬碟的話，你的電源負載有可能會超過八九成11/15 06:17

34^F→kaltu: 短期下來沒問題，但是如果你是拿來沒日沒夜滿載跑training11/15 06:17

35^F→kaltu: ，那供電線路在幾乎滿載地狀況下老化的速度會加速11/15 06:17

36^F→kaltu: 有可能一年後電源就沒辦法輸出足瓦了11/15 06:17

37^F→kaltu: 然後除非你mount網路硬碟，不然Dataset比較貴的預處理都先11/15 06:17

38^F→kaltu: 做起來放不on-the-fly的話，展開體積很驚人，幾乎保證你會11/15 06:17

39^F→kaltu: 插一堆硬碟上去11/15 06:17

[問題] Precision-Recall curve

[ DataScience ]4 留言, 推噓總分: +1

作者: disney82231 - 發表於 2019/05/17 22:56(6年前)

3^F→kaltu: 統計真的很多好玩的縮寫，PDF, PRC, ROC05/19 12:30

Fw: [徵才] 仁寶電腦-深度學習工程師

[ DataScience ]9 留言, 推噓總分: +1

作者: nonname - 發表於 2019/04/25 17:36(6年前)

9^F→kaltu: 應屆畢業生要求工作經歷2年以上04/29 00:14

[問題] 取得大量數據的管道？

[ DataScience ]11 留言, 推噓總分: +1

作者: dharma - 發表於 2019/01/18 09:21(7年前)

4^F推kaltu: 印象中有個dataset搜尋引擎01/19 16:58

5^F→kaltu: 不然就kaggle之類的各種challenge網站下載他們的01/19 16:58

6^F→kaltu: 醫學影像很多公開的像BraTS、ProstateX01/19 16:59

[問題] LSTM input length長度可以不用固定?

[ DataScience ]12 留言, 推噓總分: +5

作者: dominicx - 發表於 2018/12/19 11:25(7年前)

7^F→kaltu: 做不到，shape一定要一樣不能動態12/20 16:31

首頁

尾頁