Занятная бумага попалась на
глаза
Abstract - In this paper, a framework for
testing Deep Neural Network (DNN) design in Python is presented.
First, big data, machine learning (ML), and Artificial Neural
Networks (ANNs) are discussed to familiarize the reader with the
importance of such a system. Next, the benefits and detriments of
implementing such a system in Python are presented. Lastly, the
specifics of the system are explained, and some experimental results
are presented to prove the effectiveness of the system
Clay McLeod опубликовал
результаты своей курсовой работы (не
факт, что именно курсовой, но впечатление
именно такое).
Где рассказывает
о том, как он построил (или хочет
построить?) веб-приложение full stack Python
для тестирования разных моделей
Нейросетей.
Идея в том,
чтобы загрузить на сервер данные, датасет
для обучения сети, в формате CSV, задать
параметры/гиперпараметры для NN и
запустить обучение. Потом сравнить
результаты работы разных сетей на
тестовом наборе данных.
Фишка в том,
что обучение можно раздать на ноды-воркеры,
с помощью Celery + RabbitMQ. А если на нодах есть
GPU, то модель будет обучаться ну очень
быстро.
Во, красота
какая.
Вот только
есть досадная недоделка: кода нет,
рабочего примера нет, скриншотов тоже
нет. Никаких фактических результатов,
кроме концептуального (да еще и с
ошибками) описания системы.
В целом, для
студента, неплохо. Почитать интересно.
Даже можно
использовать как средство разжигания
дискуссий как в среде питонистов, так
и среди ML публики.
P.S.
А еще он зачем-то приплел сюда Big Data. Для внушительности, наверное.
original post http://vasnake.blogspot.com/2015/11/dnn.html
Комментариев нет:
Отправить комментарий