文件名称：nips.cocob.pytorch:NIPS'17论文的PyTorch实施，通过硬币下注在没有学习率的情况下训练深层网络
文件大小：17.7MB
文件格式：ZIP
更新时间：2024-06-07 21:54:01
JupyterNotebook
nips.cocob.implementation NIPS'17论文的PyTorch实施Training Deep Networks without Learning Rates Through Coin Betting 。 论文： ://arxiv.org/abs/1705.07795 by Francesco Orabona，Tatiana Tommasi 作为一部分， 验证了该。 档案： cocob.py：PyTorch中的优化器 cocob_report.ipynb：笔记本电脑，其中在包括cocob在内的各种优化程序上对完全连接和基于CNN的模型进行了测试。 word_language_model /：来自的LSTM模型，其中Penn Tree Bank语料库在包括cocob在内的各种优化程序上进行了测试。 发现： 积极的一面 非常有前途的优化器。 不必决定学习率是
【文件预览】：
nips.cocob.pytorch-master
----result_3a.pkl(18KB)
----images()
--------cifar2.png(64KB)
--------ptb1.png(32KB)
--------ptb2.png(36KB)
--------mnist_cnn.png(54KB)
--------cifar1.png(58KB)
--------mnist_fc.png(51KB)
----result_3b.pkl(18KB)
----plot.word.prediction.pbt.ipynb(93KB)
----cocob.py(3KB)
----result_3.pkl(18KB)
----cocob_report.ipynb(1.09MB)
----LICENSE(1KB)
----result_4.pkl(4KB)
----.gitignore(1KB)
----word_language_model()
--------main.py(10KB)
--------cocob.py(11B)
--------generate.py(3KB)
--------generated.txt(7KB)
--------main.orig.py(8KB)
--------requirements.txt(6B)
--------model.pt(17.77MB)
--------model.py(3KB)
--------README.md(4KB)
--------data.py(1KB)
----result_2.pkl(7KB)
----README.md(6KB)
----result_1.pkl(7KB)
----result_3c.pkl(18KB)