推 jigfopsda: 建議先換 efficientnet 或 nfnet 或其他最近的 model 12/20 22:33
推 yoyololicon: 你想做semi-supervised,unsupervised learning? 12/20 22:35
→ Xuan3716: 目前只用到知道答案的train data,我想做semi-surpervis 12/20 22:48
→ Xuan3716: ed learning。 12/20 22:48
→ Xuan3716: 如果想再增加7%的準確率,只能換一個model了嗎?謝謝各 12/20 22:49
→ Xuan3716: 位前輩。 12/20 22:49
→ jigfopsda: 可能有其他方法,不過換 model 最快吧!我看 keras 也 12/20 23:00
→ jigfopsda: 有內建 efficientnet 12/20 23:01
→ chang1248w: 你原本的資料集多大? 12/21 01:40
→ chang1248w: 有做 argumentation? 12/21 01:41
→ chang1248w: 最簡單的方法是用預訓練的模型幫所有資料編碼,再用k 12/21 01:47
→ chang1248w: nn之類的算法以標籤過的數據幫沒有標籤過的數據上標 12/21 01:47
→ chang1248w: 籤,最後用這些標籤訓練模型 12/21 01:47
→ chang1248w: 近期一點的可以先用所有資料做語義的自回歸模型,再 12/21 01:49
→ chang1248w: 用標籤訓練任務模型 12/21 01:49
→ Xuan3716: Train data有9279筆,test data 有2800筆,unlabeled 12/21 12:07
→ Xuan3716: data有5277筆。 12/21 12:07
→ chang1248w: 不無小補 12/22 05:55
→ Xuan3716: 謝謝各位前輩! 12/22 19:22
推 TuCH: 才5000張 我的建議是直接label 01/01 23:26
→ TuCH: 1張5秒 25000秒 約8小時 01/01 23:27