[PYTHON] Zusammenfassung der Kaggle-Kernel-Methode [Bild]

Klicken Sie hier für den vorherigen Artikel Kaggle-Kernel-Zusammenfassung [Tabelle Zeitreihendaten]

In diesem Artikel möchte ich so etwas wie einen Standard für jeden Datentyp im Kaggle-Wettbewerb kennen, auch für mich selbst! Ich werde für Leute wie schreiben. Ich denke auch, dass es gut wäre, wenn es ein Hinweis sein könnte, wenn die Genauigkeit unabhängig von der Konkurrenz nicht herauskommt.

Dieses Mal werden wir uns verschiedene Kernel ansehen, nicht nur Wettbewerbe. Wenn es um die Visualisierung von Bildern geht,

• CNN Schicht für Schicht Visualisierung
• Visualisierung des Bildbeitrags --Visualisierung (Anzeige) des Datensatzbildes selbst

Ist es so (Wenn es noch etwas gibt, lass es mich bitte in den Kommentaren wissen) Im Vergleich zu anderen Datentypen scheint die Breite schmal zu sein, daher konzentrieren wir uns dieses Mal auf die Methode.

Introduction to CNN Keras - 0.997 (top 6%)

Gewöhnliche CNN, Modellarchitektur scheint exquisit zu sein

EDA and LSTM-CNN

Ich benutze LSTM-CNN

CNN Architectures : VGG, ResNet, Inception + TL

Transfer Learning wird mit VGG16, VGG19, InceptionNet, Resnet, XceptionNet usw. kombiniert.

How to choose CNN Architecture MNIST

Ich probiere verschiedene Architekturen aus

Zusammenfassung

Ich möchte es von Zeit zu Zeit aktualisieren. Wünsche dir ein gutes Jahr!