摘要: 这个树叶分类比赛,难度不大,第一的同学准确率可以得到0.992。 沐神认为0.98已经是不错的了。 阅读全文
posted @ 2021-10-04 21:00 RowryCho 阅读(144) 评论(0) 推荐(0) 编辑
摘要: 编码器-解码器架构 encoder-decoder是一个框架,这是近几年影响比较大的对一个模型的抽象。 代码 encoder-decoder是一种编程接口,后面基本NLP都是使用这种编程接口来实现的。 阅读全文
posted @ 2021-10-04 20:51 RowryCho 阅读(775) 评论(0) 推荐(0) 编辑
摘要: 微调 fine tune 沐神:微调绝对是深度学习中一个非常重要的技术!整个深度学习为什么能够work,就是因为有微调。迁移学习(transfer learning) 在ImageNet上训练的模型,其实是可以为我所用的。 微调的核心思想就是在源数据集上(通常是比较大的数据集)训练的模型,我们可把做 阅读全文
posted @ 2021-10-04 15:08 RowryCho 阅读(576) 评论(0) 推荐(0) 编辑
摘要: 数据增广 数据增广的话就不局限于图片,对文本、语音等都可以进行增广,这里主要是针对图片的技术。 代码 简简单单一个左右翻转的图像增广,就可以有效缓解让cifar10的过拟合情况。 其实不要奇怪,在ImageNet上,如果数据增广做的比较狠的话,经常是可以看到test acc高于train acc的, 阅读全文
posted @ 2021-10-04 10:56 RowryCho 阅读(430) 评论(0) 推荐(0) 编辑
摘要: 分布式训练 其实分布式和单机多卡在逻辑上没有什么区别,只不过读数据之前从磁盘读取,现在换成了从网络读取;交换梯度之前通过内存处理,现在通过网络交换梯度。 下面是一个具体样例,看看分布式如何减少跨机器的通讯。 现在本机将梯度加起来,在进行发送。 这个就是epoch和batch_size有一个权衡... 阅读全文
posted @ 2021-10-04 09:07 RowryCho 阅读(71) 评论(0) 推荐(0) 编辑
摘要: 就是一个小批量的数据,如果你有4张卡,那么这个批量的数据就可以分成4份。比如有100个样本,那么每张卡拿到25个样本,然后去计算梯度,最后再把梯度加起来做更新,这个就是多GPU的训练。 从零实现 理论而言,并行计算得到的结果应该是一样的。 两次结果不一样是因为存在随机性,如果固定住随机种子,理论两次 阅读全文
posted @ 2021-10-04 08:24 RowryCho 阅读(489) 评论(0) 推荐(0) 编辑