作者查詢 / wrt

總覽項目: 發文 | 留言 | 暱稱
作者 wrt 在 PTT [ DataScience ] 看板的留言(推文), 共18則
限定看板:DataScience
首頁
上一頁
1
下一頁
尾頁
[情報] dropout
[ DataScience ]14 留言, 推噓總分: +2
作者: patrick2dot0 - 發表於 2019/06/27 15:14(4年前)
1Fwrt: 不會有影響啊,頂多專利無效官司06/27 16:14
[問題] 推文機器人
[ DataScience ]22 留言, 推噓總分: +4
作者: ejocj84 - 發表於 2019/05/01 21:20(5年前)
11Fwrt: 你可以看看app store那些洗評價機器人05/02 18:23
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(5年前)
3Fwrt: 期待樓上畢業之後出去工作10年04/26 13:06
Re: [問題] logistic regression vs SVM
[ DataScience ]8 留言, 推噓總分: +4
作者: peter308 - 發表於 2018/12/13 11:51(5年前)
4Fwrt: FC+L2 loss=SVM?12/14 12:16
[問題] 多個模型比較問題
[ DataScience ]36 留言, 推噓總分: +8
作者: kero961240 - 發表於 2018/11/02 21:25(5年前)
18Fwrt: 論文多讀一點可以發現其實蠻多人在用組合模型11/03 01:51
19Fwrt: 只是準確率提升但是速度很慢11/03 01:51
Re: [問題] convolution with stride VS. pooling
[ DataScience ]24 留言, 推噓總分: +5
作者: robert780612 - 發表於 2018/06/26 10:58(5年前)
9Fwrt: 這樣比較不準唷06/28 10:31
10Fwrt: 你應該把MAC一起算進去06/28 10:31
11Fwrt: 畢竟你conv+stride和conv+pool運算量不一樣06/28 10:31
12Fwrt: 再來是用conv+stride就沒辦法享受到06/28 10:31
13Fwrt: FFT或winograd等等的加速了06/28 10:31
14Fwrt: 另外acc loss的問題都可以靠調整超參數或模型補回06/28 10:31
15Fwrt: 不過如果沒有使用進階的FFT加速或是winograd06/28 10:54
16Fwrt: 就大方使用conv+stride吧06/28 10:54
22Fwrt: 因為FFT就是在data分享下加速07/01 18:07
23Fwrt: 如果有stride,那共享的data會變少,就影響加速07/01 18:07
[問題] convolution with stride VS. pooling
[ DataScience ]10 留言, 推噓總分: +2
作者: Haikyuu - 發表於 2018/06/18 03:58(5年前)
4Fwrt: 建議conv不要加stride,這是運算速度考量。06/18 13:41
5Fwrt: 相同效果用pooling只要參數調好,並不會有loss。06/18 13:41
首頁
上一頁
1
下一頁
尾頁