作者查詢 / pipidog

總覽項目：發文 | 留言 | 暱稱

作者 pipidog 在 PTT [ DataScience ] 看板的留言(推文), 共16則

限定看板：DataScience

看板排序：

首頁

尾頁

[ DataScience ]15 留言, 推噓總分: +7

作者: ice80712 - 發表於 2019/02/20 00:38(6年前)

8^F→pipidog: 這版不是討論語音少，而是討論任何主題都很少02/20 17:54

[ DataScience ]16 留言, 推噓總分: +7

作者: pipidog - 發表於 2018/12/02 10:32(7年前)

12^F→pipidog: @kiazo,如果這個說法成立,意味著高維問題就不用處理過擬12/15 16:59

13^F→pipidog: 合了,我想簡單的試試看幾個數據集就知道答案了.12/15 17:00

14^F→pipidog: 非凸優化為何可行還是個謎,說法太多,很多說法聽聽就好.12/15 17:06

15^F→pipidog: 但對於訓練初期不要使用大batch,我認為學界應該算有共識.12/15 17:07

[ DataScience ]15 留言, 推噓總分: +5

作者: dominicx - 發表於 2018/12/15 09:31(7年前)

6^F→pipidog: 這就是一個基本的multilabel的問題. 一個最簡單的例子,你12/15 17:02

7^F→pipidog: 聽過word2vec裡面的skip-gram方法嗎? 這就是一個例子.12/15 17:02

[ DataScience ]52 留言, 推噓總分: +49

作者: CharlieL - 發表於 2018/03/28 00:11(7年前)

13^F推pipidog: 除重看了cv,確實覺得前文有些觀念不對了！得再好好想想03/28 01:26

[ DataScience ]87 留言, 推噓總分: +23

作者: pipidog - 發表於 2018/03/27 00:56(7年前)

6^F→pipidog: BTW,文中說的cv分三份只是舉例，實際上可能更多份，依數03/27 03:07

7^F→pipidog: 據大小而定。盡可能做到每份validation不失代表性03/27 03:07

8^F→pipidog: 教科書的範例,你隨便切都不會出大問題,但現實中差得遠了03/27 03:11

[ DataScience ]4 留言, 推噓總分: +4

作者: lovepork - 發表於 2018/03/26 23:44(7年前)

3^F推pipidog: 同為物理博，同作ML，推！03/27 01:23

[ DataScience ]17 留言, 推噓總分: +5

作者: aaaba - 發表於 2018/03/10 08:46(7年前)

9^F→pipidog: v大,同意,sklearn跟pandas真的整合度很糟糕...03/07 07:43

10^F→pipidog: 但可見未來似乎也不太可能改善,只能靠耐心處理了03/07 07:43

[ DataScience ]30 留言, 推噓總分: +3

作者: subgn - 發表於 2018/03/07 22:13(7年前)

20^F→pipidog: 把你的圖存檔,然後用tf queue做列隊. 讓tf慢慢消化掉.03/08 04:05

21^F→pipidog: 想做到跟影像同步基本上不可能.推理本就需要時間.03/08 04:05

首頁

尾頁