文件名称:kaggle-plankton:Kaggle 数据科学碗的代码
文件大小:2.8MB
文件格式:ZIP
更新时间:2024-07-08 10:41:53
Python
对于 要求 英伟达图形处理器 神经网络 来自 Anaconda Python 发行版的 scikit-learn、scikit-image 和其他依赖项 去做 像素值抖动 尝试使用 ADAM 而不是 RMSprop 再次尝试批量规范? 试试体重标准 ipython upstart 工作不适用于 DNN(可能是因为路径) 混淆矩阵? 尴尬地并行化变换 - 不是更快 找出跨子类别的错误分类错误,以确定是否有必要利用树结构 -> 实施专家系统 确保测试图像平均有效 看看是否真的需要更多的神经元(检查过滤器是否死了) - 没有死的神经元可能可以使用更多层或更宽的网络? 使用 DNN 代替cuda_convnet 基准实时增强器并将它们转换为单个仿射变换 基于转换后的照片生成预测(均匀平均) 平均减法增强 测试迭代器的平均减法器 编写脚本生成npy文件 编写脚本来
【文件预览】:
kaggle-plankton-master
----.gitignore(201B)
----Dockerfile(2KB)
----requirements.txt(284B)
----Makefile(337B)
----.dockerignore(208B)
----notebooks()
--------5 autoencoder.ipynb(8KB)
--------8 pylearn2.ipynb(11KB)
--------7 load data.ipynb(17KB)
--------Iterators.ipynb(433KB)
--------__init__.py(2B)
--------4 submission.ipynb(406KB)
--------Visualizing Net.ipynb(321KB)
--------2 convnet.ipynb(1.54MB)
--------Data Exploration.ipynb(367KB)
--------6 rbm.ipynb(3KB)
--------1 convnet.ipynb(783KB)
--------Prediction Averaging with Images.ipynb(4KB)
----pylearn()
--------conv.yaml(3KB)
--------plankton_dataset.py(609B)
----scripts()
--------generate_image_avg_pred.py(4KB)
--------train_base.py(2KB)
--------convert_to_npy.py(5KB)
--------train_model.py(2KB)
--------generate_augmented_test_npy.py(3KB)
--------predict_avg_transformed.py(6KB)
--------train_specialist.py(2KB)
--------predict_base.py(2KB)
----README.md(2KB)
----plankton()
--------net_feb21_1.py(2KB)
--------net_feb21_7.py(3KB)
--------net_feb22_1.py(2KB)
--------net_14mar_1_base.py(3KB)
--------net_feb21_5.py(2KB)
--------net_feb21_4.py(2KB)
--------net_mar5_base_1.py(3KB)
--------net_feb21_6.py(2KB)
--------net_feb22_4.py(3KB)
--------__init__.py(149B)
--------leaky_relu.py(642B)
--------net_feb21_3.py(2KB)
--------net_feb23_3.py(3KB)
--------net_feb24_1.py(4KB)
--------net_mar3_specialist_1.py(3KB)
--------net_feb22_3.py(3KB)
--------augment_iterators.py(9KB)
--------net_mar5_specialist_1.py(3KB)
--------net_feb28_1.py(3KB)
--------utils.py(5KB)
--------net_feb21_2.py(2KB)
--------net_feb23_1.py(3KB)
--------net_feb22_2.py(2KB)
--------normalization.py(2KB)
--------net_mar14_base_1.py(3KB)
--------batchnorm2.py(11KB)
--------net_feb26_1.py(4KB)
--------net_feb23_2.py(3KB)
--------net_mar3_base_1.py(3KB)
--------net_utils.py(2KB)
--------net_mar14_1.py(3KB)
--------batchnorm.py(10KB)
----Dockerrun.aws.json(90B)
----requirements2.txt(102B)