推 Murasaki0110: 記得魚的data沒有給bbox，請問你怎麼train SSD的? 07/02 10:14
→ outrunner: 好心kaggler提供, 這次數海獅也有人發起. 07/02 10:17
→ Murasaki0110: 大家一起label嗎XD 07/02 11:03
各自做label的人(手動/半自動)還不少, 有些人會分享. 這次是資料量太大.
推 johnpisces2: 推 07/02 11:19
推 ray39620: 好強, 恭喜! 大大是剛接觸ML就拿這樣的成績嗎XD 07/02 11:24
→ outrunner: ML學了15年吧, 剛接觸DL. 07/02 11:45
推 admin520: 感謝分享～ 07/02 11:46
→ bobju: 路過推 07/02 11:58
→ bobju: 數海獅有意思 07/02 11:58
→ bobju: 推 07/02 11:58
推 jj0321: 請問大大 玩Kaggle都是租Server還是本機做運算? 07/02 12:30
→ outrunner: 本機. 上次估狗的比賽有免費server, 很複雜我不會用.QQ 07/02 12:33
推 jj0321: 以前有玩過 但本機CPU I5第二代+16G RAM 好慢...好奇大大 07/02 12:36
→ jj0321: 的配備 能分享嗎? 07/02 12:36
分魚類的時候, 我只用一台爛爛的nb,
不過後來a到一張gtx 1080, 以數海獅的資料量來說, 沒GPU還真的玩不動.
建議至少弄張有4GB ram的顯卡來玩.
我還蠻好奇租server的花費跟本機比起來差多少?
推 YJSai: 推fast ai的課程 07/02 12:44
看起來很讚, 跟推.
推 xsssxxzz: 大大超猛 我還假會用Faster RCNN解線型就可解的問題 07/02 13:38
推 xsssxxzz: Train with Gcloud Titan 30 NT/hr 07/02 13:45
感謝. 用Faster RCNN就值得尊敬啦XD.
此外, YOLO作者在deadline後說他不小心錯過了, 雖然他沒說要用什麼方式做.
還是感到有點遺憾.
推 jj0321: 感謝分享! 原來有用GPU! 有錢也來搞一張玩 07/02 13:48
推 Murasaki0110: 目前1060是張很好的入門卡，CPU/SSD有閒錢再升級 07/02 14:30
→ Murasaki0110: server是完全不推薦，除非你只想玩一個禮拜嘗鮮XD 07/02 14:31
→ lukelove: 蠻好奇這是大大的工作內容之一嗎 07/02 15:00
→ lukelove: 還是純興趣, 純興趣光靠下班時間真的強 07/02 15:01
→ lukelove: ML學了15年 大大公司能透露一二嗎 07/02 15:02
抱歉容我保留一下.
ML是當年念書的時候有學過. 其實不記得那時候有這個詞.
就是PR, NN之類都學過, 然後工作也大多沒有相關性.
這次就是DL紅了, 大家跟風, 我也跟風.
推 OS63: 是唸 K狗，不是咖狗。 07/02 15:26
推 drajan: .....這世界上只有一種英語發音嗎？ 07/02 16:11
推 OS63: 也是啦，你知道是在說什麼就好。 07/02 16:31
推 del680202: 可以請教使用的OS環境嗎 最近也在考慮買張顯卡 07/02 16:43
→ del680202: 可是不太想用windows去跑 07/02 16:43
OS不是問題. 我用windows, 當然linux也ok.
推 xsssxxzz: 其實我最近看大大也有在玩Planet...Rank 29超猛 07/02 18:14
推 xsssxxzz: 對了 你是怎麼決定最後flatten要用1024個neurons? 07/02 18:16
就只是覺得夠了這樣...後來試過多了也沒用.
推 f496328mm: 厲害推 07/02 20:18
→ f496328mm: 有github或是kernel可以參考嗎？謝謝 07/02 20:18
關於我做法的討論串: https://goo.gl/ytpfLW (很破的英文)
裡面第一個link是kernel.
推 yiefaung: 最重要的應該是先幹到GPU 沒有GPU根本半殘 07/02 22:48
推 f496328mm: 你好屌 第二名看不到你的車尾燈 遠遠領先大家 07/02 23:16
→ f496328mm: 看來你目前的工作應該不錯 能力超強 07/02 23:17
→ f496328mm: 而且你public 跟 privater幾乎一樣 代表你模型超好 07/02 23:18
推 f496328mm: 想問你顯卡RAM會不會不夠用??這DATA超大耶 07/02 23:21
顯卡ram主要跟model及batch size有關, 當然是多多益善啦.
但我為了彈性會雙開. 所以這次一個process只用不到4GB. (1080有8G)
推 f496328mm: 目前Kaggle上總排名第一的 組隊還輸給你 07/02 23:24
推 y800122155: 真神人! 第12名那隊三個都是Grandmaster 超猛的@@ 07/02 23:35
推 toto9: 好厲害~感謝分享 07/02 23:36
推 evecorkey: 推。也想下班自己研究玩但是好難可以問你嗎 07/03 03:51
歡迎, 不過目前我比較有心得的就是數海獅...
推 harry0731: 推神人 我自己嘗試都只能在2.30%左右 07/03 10:49
推 dreamnook: 推 07/03 11:32
推 vi000246: 計算機視覺要怎麼入門啊 看有些人都直接用陣列操作圖片 07/03 13:56
→ vi000246: 不知道他們是怎麼想到用這方式處理圖片的 07/03 13:56
推 BlackMatrix: 樓上, 陣列可以代表一個圖片, 假如這個圖片是10x10的 07/03 14:24
→ BlackMatrix: 大小, 那這個矩陣就是10x10x3大, 因為一個點可以用 07/03 14:25
→ BlackMatrix: RBG(綠色藍色紅色代替) 所以每個點有三個數值 07/03 14:26
→ BlackMatrix: 已經流行一陣子的Convolutional Networks是找物體 07/03 14:27
→ BlackMatrix: 的邊邊角角拼湊成一張大物體 07/03 14:28
→ BlackMatrix: 可以去看一下Stanford CS291入門 07/03 14:29
→ BlackMatrix: 說錯, 231N入門 07/03 14:41
推 vi000246: 感謝樓上 我有找到影片了 07/03 15:53
→ red0210: 台大李宏毅教授的開放式課程很不錯 07/03 18:29
→ ray39620: 以上都在文章的連結裡喔…也可於youtube搜尋 07/04 10:59
推 ericwu790419: 分魚的那場data太爛 只要把sample submission上傳就 07/04 19:23
→ ericwu790419: 銀牌了 07/04 19:23
哈, 還好我有贏sample submission
推 zzxzxzzxz: fit LB是指post processing乘1.3那個步驟嗎? 07/06 06:13
嚴格來說從test image縮圖開始就算啦.
幾乎所有人都縮了一半以上(vs. training set)
為了輸出更多的未成年海獅有兩個做法:
(1) 縮圖
(2) 事後補償
第二名的複雜regressor我猜多少有一點(2)的成分在.
另外我猜(1)做過頭(做到最佳解, 平均大小會比訓練集小), 再做(2)也沒用.
推 zzxzxzzxz: 原來如此 感謝！ 07/07 00:11
※ 編輯: outrunner (114.42.219.184), 07/07/2017 16:46:28
推 Obama19: Cong! 07/07 19:18
推 DennisTang: 恭喜前輩～～ 07/08 17:43