【文件属性】:
文件名称:datascience-bowl:国家数据科学碗
文件大小:4KB
文件格式:ZIP
更新时间:2021-06-18 20:13:41
Python
数据科学碗的 Python 入门指南
以下脚本集应该是开始使用的好方法。 它使用基于。
设置时间:~2 分钟
训练时间:在 GPU 上约 20 分钟(在 CPU 上可能需要更长的时间)
验证分数:0.98
排行榜得分:0.97
更新:我没有太多时间来提高这个分数,但是使用一些有趣的想法将分数提高到0.77 !
解决方案
以下是提交的快速摘要:
将图像加载到 SFrame(可扩展数据帧)中。
使用以 90、180 和 270 度的角度旋转来扩充数据。
设置一个简单的深度学习架构(基于 )
创建一个“公平”的火车,验证拆分以确保类是平衡的。
训练深度学习模型。
评估多类对数损失分数。
将 Kaggle 格式的预测保存到名为“submission.csv”的提交文件中。
安装
CPU指令
pip install -r requirements.pip
GPU指令
pip
【文件预览】:
datascience-bowl-master
----make_submission.py(5KB)
----requirements-gpu.pip(89B)
----network.conf(1KB)
----README.md(2KB)
----requirements.pip(53B)