作者查詢 / tsoahans

總覽項目：發文 | 留言 | 暱稱

作者 tsoahans 在 PTT [ DataScience ] 看板的留言(推文), 共72則

限定看板：DataScience

看板排序：

首頁

尾頁

[問題] max pooling的梯度問題

[ DataScience ]23 留言, 推噓總分: +2

作者: subgn - 發表於 2021/10/17 18:07(4年前)

10^F推tsoahans: max底下的值是同一個filter和不同資料區段運算得到的值10/18 15:26

11^F→tsoahans: 所以不管是a1 a2 a3實際上都是update同一個filter10/18 15:27

12^F→tsoahans: (假設max pool是接在convolution後面)10/18 15:28

[問題] 關於資料量太大硬體跑不動的問題

[ DataScience ]23 留言, 推噓總分: +6

作者: Mutibil - 發表於 2021/06/07 15:43(4年前)

16^F推tsoahans: loading完可以用numpy/pandas存成pickle/npy 下次讀取會06/17 12:24

17^F→tsoahans: 比較快06/17 12:24

18^F→tsoahans: 另外就是可以做一些資料處理將無用特徵/樣本移除再存06/17 12:25

19^F→tsoahans: 成檔案下次讀取就可以讀比較少的資料06/17 12:25

[問題] 視覺辨識的幾個問題

[ DataScience ]20 留言, 推噓總分: +2

作者: clansoda - 發表於 2020/02/28 05:04(5年前)

10^F推tsoahans: 1.可能會影響可能不會 hard example mining或focal loss02/28 10:31

11^F→tsoahans: 就是用來解決這問題正常的樣本有些很好分有些很難分02/28 10:32

12^F推tsoahans: 你要看看你的模型在三種角度下，分類的正確率有沒有差異02/28 10:34

13^F→tsoahans: 如果某個角度的狗分類正確率特別差，那再考慮變更權重02/28 10:36

[問題] 異常檢測屬於不平衡資料情況嗎

[ DataScience ]16 留言, 推噓總分: +4

作者: disney82231 - 發表於 2019/02/20 20:46(6年前)

1^F推tsoahans: 一般常講的異常檢測指的是非監督式的異常檢測，就是說訓02/21 15:54

2^F→tsoahans: 練的時候假設所有訓練資料都是正常的樣本，用正常資料建02/21 15:56

3^F→tsoahans: 立模型02/21 15:56

4^F→tsoahans: 而不平衡資料則是屬於一般的監督式學習02/21 15:57

5^F→tsoahans: 差別就是在於有沒有label02/21 15:58

6^F推tsoahans: 如果你是問沒有label要如何計算效能，測試的時候其實還02/22 14:01

7^F→tsoahans: 是需要有label來驗證演算法的效能02/22 14:01

8^F→tsoahans: 大部分論文的做法都是根據label挑選出正常樣本集合的一02/22 14:02

9^F→tsoahans: 部分當作訓練集，在拿剩下的當作測試02/22 14:02

10^F推tsoahans: 是這樣沒錯02/23 18:53

[問題] 時間序列LSTM及未知詞處理

[ DataScience ]4 留言, 推噓總分: +2

作者: whwt - 發表於 2019/01/10 13:39(7年前)

4^F→tsoahans: 直接去掉OOV的詞也是一種作法另外就是用char-level處理01/11 13:01

[問題] 電腦硬體規劃(預算25萬)

[ DataScience ]14 留言, 推噓總分: +8

作者: YoursEver - 發表於 2018/12/17 18:51(7年前)

12^F→tsoahans: 你這板子不是只能插amd的cpu嗎?12/19 09:57

[問題] 類別變數再神經網路或是其他 ML 方法處理

[ DataScience ]32 留言, 推噓總分: +6

作者: zxc741qaz123 - 發表於 2018/09/09 16:21(7年前)

27^F→tsoahans: one-hot我還是會做標準化因為他不一定是zero mean unit09/11 16:50

28^F→tsoahans: variance 這可能會有影響09/11 16:50

29^F→tsoahans: 但應該不會差太多就是了09/11 16:51

[問題] 中文資料集分類

[ DataScience ]3 留言, 推噓總分: +1

作者: ctr1 - 發表於 2018/08/28 10:22(7年前)

2^F推tsoahans: 懶人包(? https://i.imgur.com/2djX9c5.png08/29 15:31

3^F→tsoahans: 詳細 https://tinyurl.com/yc2opk7h08/29 15:33

[徵文] Halide

[ DataScience ]20 留言, 推噓總分: +12

作者: jimmycool - 發表於 2018/08/20 02:44(7年前)

3^F推tsoahans: MIT跪了08/20 10:41

[徵求] 解釋深度學習原理易懂的文章(已整理)

[ DataScience ]47 留言, 推噓總分: +15

作者: ponponjerry - 發表於 2018/06/12 20:36(7年前)

15^F推tsoahans: 李老師這學期的MLDS前面三章都講理論可以看看06/13 11:03

16^F→tsoahans: http://speech.ee.ntu.edu.tw/~tlkagk/courses_MLDS1806/13 11:04

25^F→tsoahans: cs231的作業也蠻推薦的寫完大概就能自己實做出DL框架06/14 16:08

26^F推tsoahans: 吳尚鴻的數學講得比較深入他連最佳化、PAC、NFL都有講06/14 16:19

29^F→tsoahans: 我講的是PAC learning06/15 04:23

30^F→tsoahans: 這是探討model的Generalization能力的一個理論，主要探06/15 04:27

31^F→tsoahans: 討在data分布未知的情況下，倒底需要sample多少資料才能06/15 04:28

32^F→tsoahans: 保證expected loss和empirical loss有很大的機率誤差在06/15 04:29

33^F→tsoahans: 抹個範圍內。這個理論主要是在1980年代發展的，主要貢獻06/15 04:30

34^F→tsoahans: 者Leslie Valiant因此理論獲得Turing Award06/15 04:32

35^F→tsoahans: 後面的VC Theory也是在PAC的框架下繼續發展06/15 04:32

36^F→tsoahans: PAC全名是probably approximately correct06/15 04:34

47^F→tsoahans: 是08/02 17:59

首頁

尾頁