2021-4-11 14:43ML代码中的错误难以修复 - 它们不会导致编译错误,但默默地回归准确性。一旦你忍受了痛苦并固定其中一个,就会将课程蚀刻到你的大脑中?错误的。最近,一个古老的敌人卷土重来 - 一个熟悉的虫子再次咬我!如前所述,修复后性能显着提高。
这虫子很微妙,易于制作。它有多少伤害?好奇,我从导入pytorch的github下载了......
2020-9-26 1:5有关使用pytorch计算初始分数和FID分数的详细信息,请参阅Pytorch-Unified-Inception-FID-Score。
下载用于计算FID分数的cifar10_stats.npz,并将其放入./stats/cifar10_stats.npz,这是默认路径
2020-9-1 20:47Opacus是一个能够以不同隐私培训PyTorch模型的库。它支持培训,只需对客户端进行最少的代码更改,对培训性能几乎没有影响,并且允许客户端在线跟踪在任何给定时刻花费的隐私预算。
ML实践者会发现这是训练具有不同隐私的模型的一个温和入门,因为它只需要最少的代码更改。
差异隐私的科学家会发现这很容易实验和修补,让他们......
2020-8-10 11:50概率图是一个基于令人惊叹的Pytorch(https://pytorch.org)to)的库,易于使用和改编有向和无向分层概率图形模型。这些机器包括受限Boltzmann机器、深度信念网络、深度Boltzmann机器和HelmholtzMachines(Sigmoid信念网络)。
可以使用单元层、随机单元层以及这些单......