Kaggleに挑戦-30

Peking University/Baidu - Autonomous Driving

Can you predict vehicle angle in different settings?

＊1月21日の締め切りに向けて、お手本のプログラムコードを理解し、動かし、性能向上を図る。

＊今日は、Pytorchの勉強と、お手本プログラムの解読

* What is Torch.nn really?

- MNIST data setup

- Neural net from scratch (no torch.nn)

We’re assuming you’re already familiar with the basics of neural networks. (If you’re not, you can learn them at course.fast.ai).

＊今さらと思いつつ、course.fast.aiをクリックしてみると、fastaiのビデオレクチャーサイトだった。ものは試しと、Lesson 1（100分コース）を55分くらいまで視聴してみた。イヌの種類の分類を、5行（exclude impoet）のコードで、12分の計算時間、96％の精度で計算している。同じ計算をKerasでは、31行のコード、26分の計算時間、92％の精度になるとのこと。fastaiの主張は、コード作成の手間を省くことができるので、そのぶんを、入力と出力に費やし、多くの経験を積むことができる、ということのようだ。

＊講師はfast.aiの共同創立者で、Kaggleのグランドマスター・presidentだったようだ。

＊あと10日しかないが、しばらくfastaiのビデオレクチャーを視聴してみる。最初のレクチャーでは、fastaiが前面に出ていたが、詳細説明になると、Pytorchが顔を出す。fastaiとpytorchの両方を、Kaggleグランドマスターから直接学べるのだから、最高じゃないかな。