sayzardPhillip Isola (@phillip_isola)
작성자가 자신의 책(visionbook.mit.edu)에 'SGD ResNet' 다이어그램을 올렸다는 안내와 함께, 메타러닝은 이 ResNet 구조를 통한 역전파(backprop)로 구현될 수 있다는 설명과 링크를 공유한 트윗입니다.
Pomaranč
Herthaner4everLeider unterwegs, deshalb kein #TV 📺 #SGDPRM und was muß ich sehen 2:0 für die #SGD 💪 #sgd1953 🖤 💛 #forzaDynamo #DynamoDresden
🅱🅸🅶🅾🆁🆁🅴.🅾🆁🅶Aviation weather for Sønderborg airport (Denmark) is “EKSB 101120Z 25002KT 1500 R14///// R32/1400N BR BKN002 05/05 Q1016” : See what it means on https://www.bigorre.org/aero/meteo/eksb/en #sanderborgairport #airport #sanderborg #denmark #eksb #sgd #metar #aviation #aviationweather #avgeek vl
Alliance of Genome Resources🧬 #SGD evolution continues: Our #BLAST service has migrated to the
@alliancegenome.bsky.social
website, maintaining the functionality & comprehensive SGD datasets
#Yeast researchers depend on while adding cross-species exploration & faster search results
🧪 #YeastResearch
🔗 https://bit.ly/newBLAST
HabrНужно ли обучать YOLO с нуля? Практические выводы
Для меня машинное обучение - это прежде всего экспериментальная наука. Выигрывает не тот, кто придумал самую сложную архитектуру, а тот, кто быстрее проходит итерации (анализирует кривые потерь, меняет гипотезы и снова запускает обучение). И именно в этой постоянной гонке я всё чаще задаю себе один и тот же вопрос, а нужно ли вообще обучать модель с нуля? Когда я говорю «обучать с нуля», я имею в виду именно пустые веса. Не fine-tuning и не до обучение, а старт с нулевой инициализацией (PyTorch-модель без пред обученных параметров или YOLO с отключёнными pretrained-весами). Каждый раз перед началом обучения я задаю себе два простых вопроса: зачем я собираюсь тренировать модель и какая архитектура мне действительно нужна? Если ответы на эти вопросы расплывчатые, есть большой риск просто потратить ресурсы и время, а в итоге получить модель хуже готовых решений. Если же после этих вопросов сама цель становится ясной и обоснованной, тогда стоит двигаться дальше.
https://habr.com/ru/articles/994080/
#yolo #detection #детекция_объектов #ml #гиперпараметры #эксперимент #sgd #j #обучение_нейронных_сетей #пайплайн
Бинарная классификация: как работает логистическая регрессия
Недавно мне предстояло написать реализацию LogisiticRegression для одного проекта в Школе 21, так что было необходимо разложить всё по полочкам и разобраться в бинарной классификации в целом. Хочу поделиться также этой информацией здесь, потому что не нашла статьи, которая была бы понятна и обширна лично в моём случае.
https://habr.com/ru/articles/994376/
#ml #логистическая_регрессия #линейная_регрессия #бинарная_классификация #roc_auc #gini_coefficient #бернулли #сигмоида #градиентный_спуск #sgd
GoalimpactDresden are slight favorites in a tight 2. Bundesliga showdown with Schalke at 13:00 CET; a draw remains plausible as both chase a vital win.
FC Schalke 04 32.4%
Draw 30.8%
SG Dynamo Dresden 36.8%
ConvergenciaDigitalSecretaria de Governo Digital ganha maior protagonismo nas contratações estratégicas
