【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)