m*t
2 楼
Dream job 面试，但是现在的老板赶进度不批假，眼看面试在即，怎样改期呢？急死啦
。
。
t*y
3 楼
很多人说30年贷款主要是考虑到可以抵税,不知道能抵多少啊?
s*i
4 楼
李琦和斯大林他弟弟都没啥问题。
但是其他两个，我觉得可以是：
叶秉桓
孟鹏
[发表自未名空间手机版 - m.mitbbs.com]
但是其他两个，我觉得可以是：
叶秉桓
孟鹏
[发表自未名空间手机版 - m.mitbbs.com]
w*g
5 楼
第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
进前三也非常渺茫。就是下面的原因了。
第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
一定有别的人会做。最后拼的，可能都是积累起来的一点点差别。至少第二名的方法，
实现起来工作量就比我的要多。里面一个立体几何公式，我嫌麻烦没推，人家推了，
不得不服。
第四，平时积累很重要。全都从scratch开始做，一个月时间不吃不睡就是做死了
估计也不行。我好久没做一个project做得这么过（费）瘾（劲），最后还是有不少
东西没来得及做。人其实都很犯贱，轻松赚钱的东西干得不爽，非要出力去做
不赚钱的东西。
具体技术我就不说了，牛代码已经公开了，最好的办法不是找什么tutorial，而是
对着牛代码一行一行查过去。
都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
进前三也非常渺茫。就是下面的原因了。
第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
一定有别的人会做。最后拼的，可能都是积累起来的一点点差别。至少第二名的方法，
实现起来工作量就比我的要多。里面一个立体几何公式，我嫌麻烦没推，人家推了，
不得不服。
第四，平时积累很重要。全都从scratch开始做，一个月时间不吃不睡就是做死了
估计也不行。我好久没做一个project做得这么过（费）瘾（劲），最后还是有不少
东西没来得及做。人其实都很犯贱，轻松赚钱的东西干得不爽，非要出力去做
不赚钱的东西。
具体技术我就不说了，牛代码已经公开了，最好的办法不是找什么tutorial，而是
对着牛代码一行一行查过去。
C*n
6 楼
bt是用cc转往cc。你觉得呢。
a*n
7 楼
sick leave
【在 m*******t 的大作中提到】
: Dream job 面试，但是现在的老板赶进度不批假，眼看面试在即，怎样改期呢？急死啦
: 。
【在 m*******t 的大作中提到】
: Dream job 面试，但是现在的老板赶进度不批假，眼看面试在即，怎样改期呢？急死啦
: 。
v*m
8 楼
全抵。
S*e
9 楼
赞一个
l*g
10 楼
No.
b*u
11 楼
你如果已经跟老板提过休假了，他不批，你再说sick，是不是会怀疑？不过你拿自己的
vacation请假他都不批吗？
vacation请假他都不批吗？
C*d
12 楼
Not totally right.
If your itemized deduction, which includes mortgage interest, is lower than
your standard deduction, you should not claim it at all. In that sense your
mortgage interest has no tax benefit at all. If your itemized deduction is
larger than your standard deduction, only the extra part of interest
ACTUALLY has tax benefit. As a result, for many people, the tax benefit of
mortgage interest is very limited.
【在 v**m 的大作中提到】
: 全抵。
If your itemized deduction, which includes mortgage interest, is lower than
your standard deduction, you should not claim it at all. In that sense your
mortgage interest has no tax benefit at all. If your itemized deduction is
larger than your standard deduction, only the extra part of interest
ACTUALLY has tax benefit. As a result, for many people, the tax benefit of
mortgage interest is very limited.
【在 v**m 的大作中提到】
: 全抵。
a*f
13 楼
python的缩进坑到现在还是没法跳。我做过编译器，根本没法接受空格或者tab也成为
语法单位。
python做数据处理工具可能还可以，但要编写成应用系统，还是喜欢用Java做NN，可以
长期使用修改，已经快做成Spring的Web应用
语法单位。
python做数据处理工具可能还可以，但要编写成应用系统，还是喜欢用Java做NN，可以
长期使用修改，已经快做成Spring的Web应用
b*c
14 楼
不让休假，没日没夜干活，累病的呗:-)
【在 b**u 的大作中提到】
: 你如果已经跟老板提过休假了，他不批，你再说sick，是不是会怀疑？不过你拿自己的
: vacation请假他都不批吗？
【在 b**u 的大作中提到】
: 你如果已经跟老板提过休假了，他不批，你再说sick，是不是会怀疑？不过你拿自己的
: vacation请假他都不批吗？
m*6
15 楼
If you do not want to do the actual calculation, just think that the total
financial burden for owning the house is roughly the monthly payment to the
bank.
Because at the current loan rate, what you save from tax deduction ~30% * (
interest+real estate tax) will roughly be the same as what you need to pay
the real estate tax.
financial burden for owning the house is roughly the monthly payment to the
bank.
Because at the current loan rate, what you save from tax deduction ~30% * (
interest+real estate tax) will roughly be the same as what you need to pay
the real estate tax.
n*3
16 楼
现在很多公司在做 Python 编译to jvm 的project，
开发用Python， expo to pojo ，
这样 deployment也很简单
谢谢大牛分享， 再接再厉
【在 a*f 的大作中提到】
: python的缩进坑到现在还是没法跳。我做过编译器，根本没法接受空格或者tab也成为
: 语法单位。
: python做数据处理工具可能还可以，但要编写成应用系统，还是喜欢用Java做NN，可以
: 长期使用修改，已经快做成Spring的Web应用
开发用Python， expo to pojo ，
这样 deployment也很简单
谢谢大牛分享， 再接再厉
【在 a*f 的大作中提到】
: python的缩进坑到现在还是没法跳。我做过编译器，根本没法接受空格或者tab也成为
: 语法单位。
: python做数据处理工具可能还可以，但要编写成应用系统，还是喜欢用Java做NN，可以
: 长期使用修改，已经快做成Spring的Web应用
f*o
17 楼
面试最好不要改期吧，找个理由跟现在老板忽悠下
【在 m*******t 的大作中提到】
: Dream job 面试，但是现在的老板赶进度不批假，眼看面试在即，怎样改期呢？急死啦
: 。
【在 m*******t 的大作中提到】
: Dream job 面试，但是现在的老板赶进度不批假，眼看面试在即，怎样改期呢？急死啦
: 。
l*s
18 楼
楼主大牛，佩服之极！
m*t
19 楼
说是最近要求vocation的人太多，进度受影响了，积压的都不批，还希望周末加班。的
确快累病了，面试的地方还很远，有点撑不住。
确快累病了，面试的地方还很远，有点撑不住。
f*2
20 楼
先顶再问。
1，kaggle的测评机制怎么做的？暴力算法结果如何重复？
2. 如果用tensorflow这类东东做轮子参加kaggle竞赛，多少精力是搭轮子，多少是
fine tune模型和参数? 能有个百分比预估吗？
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
1，kaggle的测评机制怎么做的？暴力算法结果如何重复？
2. 如果用tensorflow这类东东做轮子参加kaggle竞赛，多少精力是搭轮子，多少是
fine tune模型和参数? 能有个百分比预估吗？
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
G*d
21 楼
千万不能改期。
当天用病假或找个理由像是车坏了等理由拖个几个小时。面试完了再去上班。
【在 m*******t 的大作中提到】
: Dream job 面试，但是现在的老板赶进度不批假，眼看面试在即，怎样改期呢？急死啦
: 。
当天用病假或找个理由像是车坏了等理由拖个几个小时。面试完了再去上班。
【在 m*******t 的大作中提到】
: Dream job 面试，但是现在的老板赶进度不批假，眼看面试在即，怎样改期呢？急死啦
: 。
w*g
22 楼
1. 一般kaggle只评测提交的预测精度。
这次号称要验证提交的程序，但是至于程序跑多慢，只要不是太慢，似乎他们不care。
我发现并行训练有可能导致结果不可重复到binary一样。我也不知道他们最后怎么定义
可重复性。
2. 对我来说，大于80%的时间在调优。不知道别人怎么弄的。
【在 f******2 的大作中提到】
: 先顶再问。
: 1，kaggle的测评机制怎么做的？暴力算法结果如何重复？
: 2. 如果用tensorflow这类东东做轮子参加kaggle竞赛，多少精力是搭轮子，多少是
: fine tune模型和参数? 能有个百分比预估吗？
:
: validation
: 了。
: 做，
这次号称要验证提交的程序，但是至于程序跑多慢，只要不是太慢，似乎他们不care。
我发现并行训练有可能导致结果不可重复到binary一样。我也不知道他们最后怎么定义
可重复性。
2. 对我来说，大于80%的时间在调优。不知道别人怎么弄的。
【在 f******2 的大作中提到】
: 先顶再问。
: 1，kaggle的测评机制怎么做的？暴力算法结果如何重复？
: 2. 如果用tensorflow这类东东做轮子参加kaggle竞赛，多少精力是搭轮子，多少是
: fine tune模型和参数? 能有个百分比预估吗？
:
: validation
: 了。
: 做，
m*t
23 楼
谢谢！知道了。
T*i
24 楼
赞一个！一直在忙我的事情，帖子都没时间看。
作为老年人，我可能是赶不上这一波了，就看你的了！我继续做一些老年人应该做的事
情 :)
作为老年人，我可能是赶不上这一波了，就看你的了！我继续做一些老年人应该做的事
情 :)
b*u
25 楼
车坏了估计不能拖一天，如果你有小孩就最方便了，说孩子病了；没孩子的就说自己病
了吧。这个是没法逼你去上班的。
了吧。这个是没法逼你去上班的。
P*H
26 楼
这梗用了多少年了。反正最后也要format给人看。最后的缩进是唯一的。用来做语法也
合理。
【在 a*f 的大作中提到】
: python的缩进坑到现在还是没法跳。我做过编译器，根本没法接受空格或者tab也成为
: 语法单位。
: python做数据处理工具可能还可以，但要编写成应用系统，还是喜欢用Java做NN，可以
: 长期使用修改，已经快做成Spring的Web应用
合理。
【在 a*f 的大作中提到】
: python的缩进坑到现在还是没法跳。我做过编译器，根本没法接受空格或者tab也成为
: 语法单位。
: python做数据处理工具可能还可以，但要编写成应用系统，还是喜欢用Java做NN，可以
: 长期使用修改，已经快做成Spring的Web应用
b*c
27 楼
就病假呗，早上起来发烧了，头痛，上不了班，当天早上email请假。这种头痛脑热的
，一般也不去看医生，就是在家睡觉歇歇，很正常的。
【在 m*******t 的大作中提到】
: 说是最近要求vocation的人太多，进度受影响了，积压的都不批，还希望周末加班。的
: 确快累病了，面试的地方还很远，有点撑不住。
，一般也不去看医生，就是在家睡觉歇歇，很正常的。
【在 m*******t 的大作中提到】
: 说是最近要求vocation的人太多，进度受影响了，积压的都不批，还希望周末加班。的
: 确快累病了，面试的地方还很远，有点撑不住。
n*3
28 楼
这一波 is hot now. -)
I guess you are talking about NN and machine learning..
【在 T********i 的大作中提到】
: 赞一个！一直在忙我的事情，帖子都没时间看。
: 作为老年人，我可能是赶不上这一波了，就看你的了！我继续做一些老年人应该做的事
: 情 :)
I guess you are talking about NN and machine learning..
【在 T********i 的大作中提到】
: 赞一个！一直在忙我的事情，帖子都没时间看。
: 作为老年人，我可能是赶不上这一波了，就看你的了！我继续做一些老年人应该做的事
: 情 :)
c*a
29 楼
坚持请假，同意加班。
【在 m*******t 的大作中提到】
: 说是最近要求vocation的人太多，进度受影响了，积压的都不批，还希望周末加班。的
: 确快累病了，面试的地方还很远，有点撑不住。
【在 m*******t 的大作中提到】
: 说是最近要求vocation的人太多，进度受影响了，积压的都不批，还希望周末加班。的
: 确快累病了，面试的地方还很远，有点撑不住。
l*m
30 楼
python做D L有优势不是语言好，主要计算在gpu, 骨子里都是C在跑，由于瓶颈在gpu,
python的data feeder 只要用个队列prefetch，不会耽误时间的
【在 a*f 的大作中提到】
: python的缩进坑到现在还是没法跳。我做过编译器，根本没法接受空格或者tab也成为
: 语法单位。
: python做数据处理工具可能还可以，但要编写成应用系统，还是喜欢用Java做NN，可以
: 长期使用修改，已经快做成Spring的Web应用
python的data feeder 只要用个队列prefetch，不会耽误时间的
【在 a*f 的大作中提到】
: python的缩进坑到现在还是没法跳。我做过编译器，根本没法接受空格或者tab也成为
: 语法单位。
: python做数据处理工具可能还可以，但要编写成应用系统，还是喜欢用Java做NN，可以
: 长期使用修改，已经快做成Spring的Web应用
i*t
31 楼
go！ 最多回来被骂一顿 而已
d*e
32 楼
早说过。现在是草蜢快的世界。
什么事情先上大python，出货快啊。等有了眉木在找老赵这些马仔调性能。
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
什么事情先上大python，出货快啊。等有了眉木在找老赵这些马仔调性能。
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
p*2
33 楼
我先来膜拜一下，然后把那些赚钱的俗事解决了，
再来仔细消化消化。
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
再来仔细消化消化。
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
j*a
34 楼
python的缩进坑确实烂
【在 a*f 的大作中提到】
: python的缩进坑到现在还是没法跳。我做过编译器，根本没法接受空格或者tab也成为
: 语法单位。
: python做数据处理工具可能还可以，但要编写成应用系统，还是喜欢用Java做NN，可以
: 长期使用修改，已经快做成Spring的Web应用
【在 a*f 的大作中提到】
: python的缩进坑到现在还是没法跳。我做过编译器，根本没法接受空格或者tab也成为
: 语法单位。
: python做数据处理工具可能还可以，但要编写成应用系统，还是喜欢用Java做NN，可以
: 长期使用修改，已经快做成Spring的Web应用
m*o
35 楼
膜拜！
请问哪里可以看到“牛代码”？
请问哪里可以看到“牛代码”？
k*e
36 楼
赞一个
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
l*n
37 楼
我个人觉得还不错，相当于强制的format，可读性增强很多。
【在 j*a 的大作中提到】
: python的缩进坑确实烂
【在 j*a 的大作中提到】
: python的缩进坑确实烂
l*n
38 楼
夫妻店很厉害！
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
d*e
39 楼
现在的ide下根本不是事情。比java/c/js 数括号甚至在close }注释强多了。
而且省下n行。可读性非常好。
【在 j*a 的大作中提到】
: python的缩进坑确实烂
而且省下n行。可读性非常好。
【在 j*a 的大作中提到】
: python的缩进坑确实烂
a*f
40 楼
第一次听人夸这个缩进坑，如果下面这个没有括号，某行错了一个空格，你就死翘了
【在 d******e 的大作中提到】
: 现在的ide下根本不是事情。比java/c/js 数括号甚至在close }注释强多了。
: 而且省下n行。可读性非常好。
【在 d******e 的大作中提到】
: 现在的ide下根本不是事情。比java/c/js 数括号甚至在close }注释强多了。
: 而且省下n行。可读性非常好。
d*e
41 楼
你到底写过没有。
换行都是自动给你缩进的。
delete, tab自动左右4格。
空格不对齐都是一眼可以看出的。
你们小小年纪就这个不行哪个不行 ，跟个老头子的。
【在 a*f 的大作中提到】
: 第一次听人夸这个缩进坑，如果下面这个没有括号，某行错了一个空格，你就死翘了
换行都是自动给你缩进的。
delete, tab自动左右4格。
空格不对齐都是一眼可以看出的。
你们小小年纪就这个不行哪个不行 ，跟个老头子的。
【在 a*f 的大作中提到】
: 第一次听人夸这个缩进坑，如果下面这个没有括号，某行错了一个空格，你就死翘了
l*s
42 楼
你这叫想当然。缩进比一堆括号看得干净多了。
【在 a*f 的大作中提到】
: 第一次听人夸这个缩进坑，如果下面这个没有括号，某行错了一个空格，你就死翘了
【在 a*f 的大作中提到】
: 第一次听人夸这个缩进坑，如果下面这个没有括号，某行错了一个空格，你就死翘了
x*4
43 楼
Code写成这样，什么语言都死吧。
【在 a*f 的大作中提到】
: 第一次听人夸这个缩进坑，如果下面这个没有括号，某行错了一个空格，你就死翘了
【在 a*f 的大作中提到】
: 第一次听人夸这个缩进坑，如果下面这个没有括号，某行错了一个空格，你就死翘了
n*t
44 楼
LOL，这才是重点，这样的代码无论有没有缩进或者括号，都该揉吧揉吧扔废纸篓里。
Linux kernel coding style 里说了，一行就是 80 个字符，一个缩进就是 8 个光标
、最多不超过 3 个缩进。不够？想辙去。一个函数最多 2 个屏幕，80x24 的，不够？
想辙去。
【在 x***4 的大作中提到】
: Code写成这样，什么语言都死吧。
Linux kernel coding style 里说了，一行就是 80 个字符，一个缩进就是 8 个光标
、最多不超过 3 个缩进。不够？想辙去。一个函数最多 2 个屏幕，80x24 的，不够？
想辙去。
【在 x***4 的大作中提到】
: Code写成这样，什么语言都死吧。
n*3
45 楼
我用 py char m， IDE 自动 take care 这些了
iPython notebook 差点意思
【在 a*f 的大作中提到】
: 第一次听人夸这个缩进坑，如果下面这个没有括号，某行错了一个空格，你就死翘了
iPython notebook 差点意思
【在 a*f 的大作中提到】
: 第一次听人夸这个缩进坑，如果下面这个没有括号，某行错了一个空格，你就死翘了
ET
46 楼
exactly.. 现在那个语言没有format tool
【在 d******e 的大作中提到】
: 你到底写过没有。
: 换行都是自动给你缩进的。
: delete, tab自动左右4格。
: 空格不对齐都是一眼可以看出的。
: 你们小小年纪就这个不行哪个不行 ，跟个老头子的。
【在 d******e 的大作中提到】
: 你到底写过没有。
: 换行都是自动给你缩进的。
: delete, tab自动左右4格。
: 空格不对齐都是一眼可以看出的。
: 你们小小年纪就这个不行哪个不行 ，跟个老头子的。
a*f
47 楼
楼偏了
几乎所有其它编程语言C++/C#/Java/Perl/JavaScript都是white space independent。
工作中不小心多敲一个空格键是很容易发生的。强制indent编码风格是一回事，C++/C#
/Java/Perl/JavaScript存盘或者提交的时候自动format就可以做到。强制indent-
scoping是完全不同的另一回事，不小心多敲一个空格程序逻辑就改变了，而且编译器
还发现不了这个错误。另一个比较搞笑的直接后果就是据说python人员发现在网页上贴
代码和拷贝代码比较困难，难道Rossum在设计python的时候就没有考虑到这么简单必要
的需求吗？
说白了空格就是空格，语法上做分隔符，没有宽度。
【在 d******e 的大作中提到】
: 你到底写过没有。
: 换行都是自动给你缩进的。
: delete, tab自动左右4格。
: 空格不对齐都是一眼可以看出的。
: 你们小小年纪就这个不行哪个不行 ，跟个老头子的。
几乎所有其它编程语言C++/C#/Java/Perl/JavaScript都是white space independent。
工作中不小心多敲一个空格键是很容易发生的。强制indent编码风格是一回事，C++/C#
/Java/Perl/JavaScript存盘或者提交的时候自动format就可以做到。强制indent-
scoping是完全不同的另一回事，不小心多敲一个空格程序逻辑就改变了，而且编译器
还发现不了这个错误。另一个比较搞笑的直接后果就是据说python人员发现在网页上贴
代码和拷贝代码比较困难，难道Rossum在设计python的时候就没有考虑到这么简单必要
的需求吗？
说白了空格就是空格，语法上做分隔符，没有宽度。
【在 d******e 的大作中提到】
: 你到底写过没有。
: 换行都是自动给你缩进的。
: delete, tab自动左右4格。
: 空格不对齐都是一眼可以看出的。
: 你们小小年纪就这个不行哪个不行 ，跟个老头子的。
l*s
48 楼
敲错空格不会导致“silent wrong answer", 别危言耸听。C++, java 这些也没人拿白
板写个一坨，靠脑补检查有没有敲错括号.
C#
【在 a*f 的大作中提到】
: 楼偏了
: 几乎所有其它编程语言C++/C#/Java/Perl/JavaScript都是white space independent。
: 工作中不小心多敲一个空格键是很容易发生的。强制indent编码风格是一回事，C++/C#
: /Java/Perl/JavaScript存盘或者提交的时候自动format就可以做到。强制indent-
: scoping是完全不同的另一回事，不小心多敲一个空格程序逻辑就改变了，而且编译器
: 还发现不了这个错误。另一个比较搞笑的直接后果就是据说python人员发现在网页上贴
: 代码和拷贝代码比较困难，难道Rossum在设计python的时候就没有考虑到这么简单必要
: 的需求吗？
: 说白了空格就是空格，语法上做分隔符，没有宽度。
板写个一坨，靠脑补检查有没有敲错括号.
C#
【在 a*f 的大作中提到】
: 楼偏了
: 几乎所有其它编程语言C++/C#/Java/Perl/JavaScript都是white space independent。
: 工作中不小心多敲一个空格键是很容易发生的。强制indent编码风格是一回事，C++/C#
: /Java/Perl/JavaScript存盘或者提交的时候自动format就可以做到。强制indent-
: scoping是完全不同的另一回事，不小心多敲一个空格程序逻辑就改变了，而且编译器
: 还发现不了这个错误。另一个比较搞笑的直接后果就是据说python人员发现在网页上贴
: 代码和拷贝代码比较困难，难道Rossum在设计python的时候就没有考虑到这么简单必要
: 的需求吗？
: 说白了空格就是空格，语法上做分隔符，没有宽度。
w*x
49 楼
从来没上过这个版， 今天去Peru 大使馆去签证碰到一哥们也去取，然后他说我是不是
这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
， 我就跑来看看 :)
首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
（最后我们的test 0.0948). 这个比赛我觉得大方向对了（用CNN predict contour,
不是volume）稍微clean up一下 data很容易做到0.011, 之后就是细节了, 细节很浪费
时间，我们尝试了很多改进的办法，基本上就是看看那些forecast很差的case, 然后想
想如何解决这类case. 到后期我们领先挺多的，最后2周我们就清理代码，等着最后结
果了。这是我做kaggle最有把握的一次。很多比赛到后期大家的间隔都是noise运气成
分太大。 赢了特别开心，估计以后难得花那么多时间去认真做一个比赛。
这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
， 我就跑来看看 :)
首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
（最后我们的test 0.0948). 这个比赛我觉得大方向对了（用CNN predict contour,
不是volume）稍微clean up一下 data很容易做到0.011, 之后就是细节了, 细节很浪费
时间，我们尝试了很多改进的办法，基本上就是看看那些forecast很差的case, 然后想
想如何解决这类case. 到后期我们领先挺多的，最后2周我们就清理代码，等着最后结
果了。这是我做kaggle最有把握的一次。很多比赛到后期大家的间隔都是noise运气成
分太大。 赢了特别开心，估计以后难得花那么多时间去认真做一个比赛。
w*g
50 楼
终于把大牛逼出来了，过来膜拜一下。下弟甘拜下风。
)
cuda,
【在 w*******x 的大作中提到】
: 从来没上过这个版， 今天去Peru 大使馆去签证碰到一哥们也去取，然后他说我是不是
: 这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
: ， 我就跑来看看 :)
: 首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
: 早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
: 的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
: 我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
: 进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
: 其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
: 的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
)
cuda,
【在 w*******x 的大作中提到】
: 从来没上过这个版， 今天去Peru 大使馆去签证碰到一哥们也去取，然后他说我是不是
: 这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
: ， 我就跑来看看 :)
: 首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
: 早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
: 的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
: 我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
: 进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
: 其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
: 的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
N*m
51 楼
牛
)
cuda,
【在 w*******x 的大作中提到】
: 从来没上过这个版， 今天去Peru 大使馆去签证碰到一哥们也去取，然后他说我是不是
: 这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
: ， 我就跑来看看 :)
: 首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
: 早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
: 的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
: 我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
: 进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
: 其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
: 的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
)
cuda,
【在 w*******x 的大作中提到】
: 从来没上过这个版， 今天去Peru 大使馆去签证碰到一哥们也去取，然后他说我是不是
: 这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
: ， 我就跑来看看 :)
: 首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
: 早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
: 的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
: 我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
: 进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
: 其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
: 的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
N*m
52 楼
wdong看看，用py没错吧
【在 w***g 的大作中提到】
: 终于把大牛逼出来了，过来膜拜一下。下弟甘拜下风。
:
: )
: cuda,
【在 w***g 的大作中提到】
: 终于把大牛逼出来了，过来膜拜一下。下弟甘拜下风。
:
: )
: cuda,
w*g
53 楼
是是。这个我早承认了。
【在 N*****m 的大作中提到】
: wdong看看，用py没错吧
【在 N*****m 的大作中提到】
: wdong看看，用py没错吧
N*m
54 楼
啥时候又骂过python？我看看
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
validation
了。
做，
【在 w***g 的大作中提到】
: 第一，积阴德真的很重要。我们的方法虽然不济，cross validation和在线validation
: 都在第五左右的精度，但是啊但是，我前两天发帖骂了python是烂语言，终于被打脸了。
: 最后private leader board分数下降好多。这里面应该有我最后手贱修复了一个good
: bug，提交了次优版本的因素，但主要原因我觉得是人品散了。当然，即使人品不散
: 进前三也非常渺茫。就是下面的原因了。
: 第二，一定要跟进先进生产力的发展方向。大方向对了，能省无数力。具体到这个比赛
: 就是神经网络是大方向，暴力拟合是大方向。这个其实我也早有预料。我其实连CRPS
: 的求导公式都推出来了。无奈我的三脚猫deep learning水平太差，最后还是留在了
: 传统技术的comfort zone。从今起，不但要全面转python，而且要全面转NN了。
: 第三，不能存侥幸心理。一个东西我能想到对提高精度有帮助，但是比较麻烦偷懒不做，
w*x
55 楼
对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
https://github.com/woshialex/diagnose-heart，
直接看CNN_A/model.py里面有我们的CNN的结构。
有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
以这次我也比较小心，把能做的就都做了。
https://github.com/woshialex/diagnose-heart，
直接看CNN_A/model.py里面有我们的CNN的结构。
有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
以这次我也比较小心，把能做的就都做了。
w*g
56 楼
和第二名比你们的代码已经很干净了。绝对是人品技术双赢。
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
p*9
57 楼
大牛们能不能写个总结，给新人指指路，多谢啦～
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
N*m
58 楼
收藏了
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
w*m
59 楼
woshialex用了3k行python
wdong写了9k行C＋＋
看来python还是省事
wdong写了9k行C＋＋
看来python还是省事
N*m
60 楼
都是IDE了，你们还在讨论这个，真是服了
【在 j*a 的大作中提到】
: python的缩进坑确实烂
【在 j*a 的大作中提到】
: python的缩进坑确实烂
w*g
61 楼
我这是没有功劳也有苦劳。我的C++已经很精简了。
我老婆那里应该还有几千行做实验的perl代码，用过都不要了没有加进来。
【在 w********m 的大作中提到】
: woshialex用了3k行python
: wdong写了9k行C＋＋
: 看来python还是省事
我老婆那里应该还有几千行做实验的perl代码，用过都不要了没有加进来。
【在 w********m 的大作中提到】
: woshialex用了3k行python
: wdong写了9k行C＋＋
: 看来python还是省事
N*m
62 楼
主要是搞ML，python的轮子多，而且底层都是c，cuda
所以其他语言真干不过
【在 w********m 的大作中提到】
: woshialex用了3k行python
: wdong写了9k行C＋＋
: 看来python还是省事
所以其他语言真干不过
【在 w********m 的大作中提到】
: woshialex用了3k行python
: wdong写了9k行C＋＋
: 看来python还是省事
a*f
63 楼
巴西人今天第一了，很激烈啊
【在 w***g 的大作中提到】
: 和第二名比你们的代码已经很干净了。绝对是人品技术双赢。
【在 w***g 的大作中提到】
: 和第二名比你们的代码已经很干净了。绝对是人品技术双赢。
w*g
64 楼
刚刚已经被老婆批评了。我的C++现在在家里也没地位了。
我这是３８６时代留下的毛病，认为没有编译过的东西不能算程序。
【在 N*****m 的大作中提到】
: 主要是搞ML，python的轮子多，而且底层都是c，cuda
: 所以其他语言真干不过
我这是３８６时代留下的毛病，认为没有编译过的东西不能算程序。
【在 N*****m 的大作中提到】
: 主要是搞ML，python的轮子多，而且底层都是c，cuda
: 所以其他语言真干不过
w*m
65 楼
你这是第一次。下次第一名就是你了
最爽的是woshialex，赚了200K，现在度假去了。流口水。。。
【在 w***g 的大作中提到】
: 刚刚已经被老婆批评了。我的C++现在在家里也没地位了。
: 我这是３８６时代留下的毛病，认为没有编译过的东西不能算程序。
最爽的是woshialex，赚了200K，现在度假去了。流口水。。。
【在 w***g 的大作中提到】
: 刚刚已经被老婆批评了。我的C++现在在家里也没地位了。
: 我这是３８６时代留下的毛病，认为没有编译过的东西不能算程序。
w*g
66 楼
没有200K。跟tencia平分的话一人62.5K。投入产出比其实并不划算。
我自然是血本无归了。不过这次高强度写了几个星期代码后生产力
大增，堆积下来的活三下五除二马上都干掉了，还把以前的一个
scala推荐系统用python重新写了一遍。下星期可以白天去看电影了。
【在 w********m 的大作中提到】
: 你这是第一次。下次第一名就是你了
: 最爽的是woshialex，赚了200K，现在度假去了。流口水。。。
我自然是血本无归了。不过这次高强度写了几个星期代码后生产力
大增，堆积下来的活三下五除二马上都干掉了，还把以前的一个
scala推荐系统用python重新写了一遍。下星期可以白天去看电影了。
【在 w********m 的大作中提到】
: 你这是第一次。下次第一名就是你了
: 最爽的是woshialex，赚了200K，现在度假去了。流口水。。。
a*f
67 楼
轮子我感觉不是问题，基本上其它都能做出来。
速度上不知道CUDA能快多少，Santander七万多个traing数据在Java里面用三层ANN的BP
算法大概80分钟能完成500次traing，如果没用GPU是不是速度也差不多？
另外的一个问题是对Data Scientist来说提交py就是完成了工作，但对App Developer
来说这才是系统开发的开始。
【在 N*****m 的大作中提到】
: 主要是搞ML，python的轮子多，而且底层都是c，cuda
: 所以其他语言真干不过
速度上不知道CUDA能快多少，Santander七万多个traing数据在Java里面用三层ANN的BP
算法大概80分钟能完成500次traing，如果没用GPU是不是速度也差不多？
另外的一个问题是对Data Scientist来说提交py就是完成了工作，但对App Developer
来说这才是系统开发的开始。
【在 N*****m 的大作中提到】
: 主要是搞ML，python的轮子多，而且底层都是c，cuda
: 所以其他语言真干不过
N*m
68 楼
数值计算GPU还是快多了
对wdong这样的个体户，糙快猛是重点
BP
Developer
【在 a*f 的大作中提到】
: 轮子我感觉不是问题，基本上其它都能做出来。
: 速度上不知道CUDA能快多少，Santander七万多个traing数据在Java里面用三层ANN的BP
: 算法大概80分钟能完成500次traing，如果没用GPU是不是速度也差不多？
: 另外的一个问题是对Data Scientist来说提交py就是完成了工作，但对App Developer
: 来说这才是系统开发的开始。
对wdong这样的个体户，糙快猛是重点
BP
Developer
【在 a*f 的大作中提到】
: 轮子我感觉不是问题，基本上其它都能做出来。
: 速度上不知道CUDA能快多少，Santander七万多个traing数据在Java里面用三层ANN的BP
: 算法大概80分钟能完成500次traing，如果没用GPU是不是速度也差不多？
: 另外的一个问题是对Data Scientist来说提交py就是完成了工作，但对App Developer
: 来说这才是系统开发的开始。
a*f
69 楼
韩国MM在kaggle的参赛经历太励志了
【在 w***g 的大作中提到】
: 没有200K。跟tencia平分的话一人62.5K。投入产出比其实并不划算。
: 我自然是血本无归了。不过这次高强度写了几个星期代码后生产力
: 大增，堆积下来的活三下五除二马上都干掉了，还把以前的一个
: scala推荐系统用python重新写了一遍。下星期可以白天去看电影了。
【在 w***g 的大作中提到】
: 没有200K。跟tencia平分的话一人62.5K。投入产出比其实并不划算。
: 我自然是血本无归了。不过这次高强度写了几个星期代码后生产力
: 大增，堆积下来的活三下五除二马上都干掉了，还把以前的一个
: scala推荐系统用python重新写了一遍。下星期可以白天去看电影了。
r*y
70 楼
谢谢分享经验和code
要是能介绍一下学习和积累的经验就更好了。
)
cuda,
【在 w*******x 的大作中提到】
: 从来没上过这个版， 今天去Peru 大使馆去签证碰到一哥们也去取，然后他说我是不是
: 这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
: ， 我就跑来看看 :)
: 首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
: 早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
: 的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
: 我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
: 进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
: 其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
: 的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
要是能介绍一下学习和积累的经验就更好了。
)
cuda,
【在 w*******x 的大作中提到】
: 从来没上过这个版， 今天去Peru 大使馆去签证碰到一哥们也去取，然后他说我是不是
: 这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
: ， 我就跑来看看 :)
: 首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
: 早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
: 的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
: 我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
: 进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
: 其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
: 的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
a*f
71 楼
大方向是指Decision Tree, Ensemble Method，NN，Bayesian, Regression Analysis,
Reinforcement learning等等这些模型去处理吗？如何知道大方向正确呢？还是把已
有的方法都过一遍？
调参数只能人工反复运行测试吗？还是可以用机器自动输入各种测试数据，最后再筛选
结果？
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
Reinforcement learning等等这些模型去处理吗？如何知道大方向正确呢？还是把已
有的方法都过一遍？
调参数只能人工反复运行测试吗？还是可以用机器自动输入各种测试数据，最后再筛选
结果？
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
n*7
72 楼
擦 alex居然来了 膜拜一下
看tencia之前排名不高
真以为是你带gf玩
)
cuda,
【在 w*******x 的大作中提到】
: 从来没上过这个版， 今天去Peru 大使馆去签证碰到一哥们也去取，然后他说我是不是
: 这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
: ， 我就跑来看看 :)
: 首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
: 早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
: 的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
: 我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
: 进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
: 其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
: 的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
看tencia之前排名不高
真以为是你带gf玩
)
cuda,
【在 w*******x 的大作中提到】
: 从来没上过这个版， 今天去Peru 大使馆去签证碰到一哥们也去取，然后他说我是不是
: 这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
: ， 我就跑来看看 :)
: 首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
: 早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
: 的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
: 我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
: 进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
: 其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
: 的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
e*o
73 楼
re
这个缩进的问题是你要改代码的时候太麻烦。
要是perl，我直接加{} 然后foramt 一下就完了。
C#
【在 a*f 的大作中提到】
: 楼偏了
: 几乎所有其它编程语言C++/C#/Java/Perl/JavaScript都是white space independent。
: 工作中不小心多敲一个空格键是很容易发生的。强制indent编码风格是一回事，C++/C#
: /Java/Perl/JavaScript存盘或者提交的时候自动format就可以做到。强制indent-
: scoping是完全不同的另一回事，不小心多敲一个空格程序逻辑就改变了，而且编译器
: 还发现不了这个错误。另一个比较搞笑的直接后果就是据说python人员发现在网页上贴
: 代码和拷贝代码比较困难，难道Rossum在设计python的时候就没有考虑到这么简单必要
: 的需求吗？
: 说白了空格就是空格，语法上做分隔符，没有宽度。
这个缩进的问题是你要改代码的时候太麻烦。
要是perl，我直接加{} 然后foramt 一下就完了。
C#
【在 a*f 的大作中提到】
: 楼偏了
: 几乎所有其它编程语言C++/C#/Java/Perl/JavaScript都是white space independent。
: 工作中不小心多敲一个空格键是很容易发生的。强制indent编码风格是一回事，C++/C#
: /Java/Perl/JavaScript存盘或者提交的时候自动format就可以做到。强制indent-
: scoping是完全不同的另一回事，不小心多敲一个空格程序逻辑就改变了，而且编译器
: 还发现不了这个错误。另一个比较搞笑的直接后果就是据说python人员发现在网页上贴
: 代码和拷贝代码比较困难，难道Rossum在设计python的时候就没有考虑到这么简单必要
: 的需求吗？
: 说白了空格就是空格，语法上做分隔符，没有宽度。
e*o
74 楼
多谢大牛
这个板真是卧虎藏龙。
很高兴看到不少华人做的很好。
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
这个板真是卧虎藏龙。
很高兴看到不少华人做的很好。
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
j*a
75 楼
cong!
)
cuda,
【在 w*******x 的大作中提到】
: 从来没上过这个版， 今天去Peru 大使馆去签证碰到一哥们也去取，然后他说我是不是
: 这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
: ， 我就跑来看看 :)
: 首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
: 早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
: 的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
: 我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
: 进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
: 其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
: 的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
)
cuda,
【在 w*******x 的大作中提到】
: 从来没上过这个版， 今天去Peru 大使馆去签证碰到一哥们也去取，然后他说我是不是
: 这个做kaggle的，我吃了一惊，他说因为mitbbs有人说这个事,他也关注，看着像....
: ， 我就跑来看看 :)
: 首先我们不是夫妻店啊....（我老婆知道了以后肯定不让我和女性合作project了...)
: 早期我用传统的segmentation方法做到0.016, 那时候排第5的样子 我发帖找用CNN方法
: 的人合作（这样可以省掉我从头写CNN的麻烦）这个Tencia就说可以和我合作~
: 我本来觉得做segmentation还可以有好多好多可以做的，后来做了半个月，完全没有改
: 进，我就彻底扔掉了这个方法，一心做CNN （我们用python, theano, lasagne, cuda,
: 其实也很快的，train 2个小时就收敛了，forcast 10几20秒一个case )了，很快我们
: 的分数就到了0.0105左右，后来又细节上做了很多小的改进，才到in-sample 0.0936
N*m
76 楼
本版越来越好了
【在 e*******o 的大作中提到】
: 多谢大牛
: 这个板真是卧虎藏龙。
: 很高兴看到不少华人做的很好。
【在 e*******o 的大作中提到】
: 多谢大牛
: 这个板真是卧虎藏龙。
: 很高兴看到不少华人做的很好。
d*r
77 楼
本版各种隐牛潜水啊，需要相关topic，才能炸出来
【在 N*****m 的大作中提到】
: 本版越来越好了
【在 N*****m 的大作中提到】
: 本版越来越好了
l*m
78 楼
第一名团队比较互补。@wdong, 小声问你领导贡献多么？
【在 w***g 的大作中提到】
: 和第二名比你们的代码已经很干净了。绝对是人品技术双赢。
【在 w***g 的大作中提到】
: 和第二名比你们的代码已经很干净了。绝对是人品技术双赢。
N*m
79 楼
这还要问？
【在 l*******m 的大作中提到】
: 第一名团队比较互补。@wdong, 小声问你领导贡献多么？
【在 l*******m 的大作中提到】
: 第一名团队比较互补。@wdong, 小声问你领导贡献多么？
w*g
80 楼
没我领导前２０都进不了。我领导脑子比较好使。只不过她的perl代码
都被我用C++重新实现了。
【在 l*******m 的大作中提到】
: 第一名团队比较互补。@wdong, 小声问你领导贡献多么？
都被我用C++重新实现了。
【在 l*******m 的大作中提到】
: 第一名团队比较互补。@wdong, 小声问你领导贡献多么？
O*y
81 楼
问一下大牛，做kaggle是不是先要很理解data里面的content，先要做一些feature
engineering的事，然后再建模调试什么的。ps 我个人很喜欢python
engineering的事，然后再建模调试什么的。ps 我个人很喜欢python
w*x
82 楼
我也没啥经验，做这种比赛，如果想获奖（top 3)，就是拼体力，我在这个比赛上一共
估计花了300小时吧。
有很多比赛运气成分比较大，就是那种给你一个很好的data matrix 让你去fit target
, columns 还是匿名的那种，很难得前几名，noise to signal ratio 太低， 前10名
的差异都属于noise。不过也很容易弄个前10%。如果只想弄个kaggle的排名，最适合做
这种。基本上你就拿别人share 的 code里面最好的, 调调参数就可以了，几个小时搞
定 （大部分人只会去overfit）。
从我最近做比赛来看，有个好的team mate非常重要，可以互相学习到很多东西。 每个
人的想法都不一样，做一下ensemble马上可以显著的提高成绩，并且可以马上互相改进
对方的方法。最近的比赛大部分都是一个team赢的, 很少单个人的。当然如果找的
teammate很差， 不会做，还得花半天时间解释那就算了，帮倒忙。我之前也碰到过。
大方向要看运气了，基本的东西大家都会，有些问题你有自己的一些小想法，马上可以
脱颖而出。至于算法，凭感觉吧，把能work的都试一遍，做过几次比赛就有很多现成的
code，试这些东西都是非常快的。
Anyway, 我也比较菜鸟。调参数都是手工调，凭感觉。尝试很多idea, 有一些work就可
以。
Analysis,
【在 a*f 的大作中提到】
: 大方向是指Decision Tree, Ensemble Method，NN，Bayesian, Regression Analysis,
: Reinforcement learning等等这些模型去处理吗？如何知道大方向正确呢？还是把已
: 有的方法都过一遍？
: 调参数只能人工反复运行测试吗？还是可以用机器自动输入各种测试数据，最后再筛选
: 结果？
估计花了300小时吧。
有很多比赛运气成分比较大，就是那种给你一个很好的data matrix 让你去fit target
, columns 还是匿名的那种，很难得前几名，noise to signal ratio 太低， 前10名
的差异都属于noise。不过也很容易弄个前10%。如果只想弄个kaggle的排名，最适合做
这种。基本上你就拿别人share 的 code里面最好的, 调调参数就可以了，几个小时搞
定 （大部分人只会去overfit）。
从我最近做比赛来看，有个好的team mate非常重要，可以互相学习到很多东西。 每个
人的想法都不一样，做一下ensemble马上可以显著的提高成绩，并且可以马上互相改进
对方的方法。最近的比赛大部分都是一个team赢的, 很少单个人的。当然如果找的
teammate很差， 不会做，还得花半天时间解释那就算了，帮倒忙。我之前也碰到过。
大方向要看运气了，基本的东西大家都会，有些问题你有自己的一些小想法，马上可以
脱颖而出。至于算法，凭感觉吧，把能work的都试一遍，做过几次比赛就有很多现成的
code，试这些东西都是非常快的。
Anyway, 我也比较菜鸟。调参数都是手工调，凭感觉。尝试很多idea, 有一些work就可
以。
Analysis,
【在 a*f 的大作中提到】
: 大方向是指Decision Tree, Ensemble Method，NN，Bayesian, Regression Analysis,
: Reinforcement learning等等这些模型去处理吗？如何知道大方向正确呢？还是把已
: 有的方法都过一遍？
: 调参数只能人工反复运行测试吗？还是可以用机器自动输入各种测试数据，最后再筛选
: 结果？
l*m
83 楼
大牛脾气真好
【在 w***g 的大作中提到】
: 没我领导前２０都进不了。我领导脑子比较好使。只不过她的perl代码
: 都被我用C++重新实现了。
【在 w***g 的大作中提到】
: 没我领导前２０都进不了。我领导脑子比较好使。只不过她的perl代码
: 都被我用C++重新实现了。
T*x
84 楼
你俩要是组成一个团队的话，那不是所向无敌了？
赶紧的，千万别错过。
【在 w***g 的大作中提到】
: 终于把大牛逼出来了，过来膜拜一下。下弟甘拜下风。
:
: )
: cuda,
赶紧的，千万别错过。
【在 w***g 的大作中提到】
: 终于把大牛逼出来了，过来膜拜一下。下弟甘拜下风。
:
: )
: cuda,
T*x
85 楼
大牛，我进一言：跟wdong组成一个团队，所向无敌。
请你俩研究一下。
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
请你俩研究一下。
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
f*2
86 楼
最近在看tensorflow的并行话版本，感觉不支持model paeallel啊。我是外行里面的外
行，纯兴趣赶时髦看看框架，对算法不懂。
另外在HN上看，一个（疑似）ML大牛很肯定地说，根本就不需要model parallel，因为
根本实际上不需要一台机器内存承载不了的大模型。这个说法对吗？
target
【在 w*******x 的大作中提到】
: 我也没啥经验，做这种比赛，如果想获奖（top 3)，就是拼体力，我在这个比赛上一共
: 估计花了300小时吧。
: 有很多比赛运气成分比较大，就是那种给你一个很好的data matrix 让你去fit target
: , columns 还是匿名的那种，很难得前几名，noise to signal ratio 太低， 前10名
: 的差异都属于noise。不过也很容易弄个前10%。如果只想弄个kaggle的排名，最适合做
: 这种。基本上你就拿别人share 的 code里面最好的, 调调参数就可以了，几个小时搞
: 定 （大部分人只会去overfit）。
: 从我最近做比赛来看，有个好的team mate非常重要，可以互相学习到很多东西。 每个
: 人的想法都不一样，做一下ensemble马上可以显著的提高成绩，并且可以马上互相改进
: 对方的方法。最近的比赛大部分都是一个team赢的, 很少单个人的。当然如果找的
行，纯兴趣赶时髦看看框架，对算法不懂。
另外在HN上看，一个（疑似）ML大牛很肯定地说，根本就不需要model parallel，因为
根本实际上不需要一台机器内存承载不了的大模型。这个说法对吗？
target
【在 w*******x 的大作中提到】
: 我也没啥经验，做这种比赛，如果想获奖（top 3)，就是拼体力，我在这个比赛上一共
: 估计花了300小时吧。
: 有很多比赛运气成分比较大，就是那种给你一个很好的data matrix 让你去fit target
: , columns 还是匿名的那种，很难得前几名，noise to signal ratio 太低， 前10名
: 的差异都属于noise。不过也很容易弄个前10%。如果只想弄个kaggle的排名，最适合做
: 这种。基本上你就拿别人share 的 code里面最好的, 调调参数就可以了，几个小时搞
: 定 （大部分人只会去overfit）。
: 从我最近做比赛来看，有个好的team mate非常重要，可以互相学习到很多东西。 每个
: 人的想法都不一样，做一下ensemble马上可以显著的提高成绩，并且可以马上互相改进
: 对方的方法。最近的比赛大部分都是一个team赢的, 很少单个人的。当然如果找的
l*m
87 楼
不明白你的model parallel定义。大公司标配是single box with 8 gpus
【在 f******2 的大作中提到】
: 最近在看tensorflow的并行话版本，感觉不支持model paeallel啊。我是外行里面的外
: 行，纯兴趣赶时髦看看框架，对算法不懂。
: 另外在HN上看，一个（疑似）ML大牛很肯定地说，根本就不需要model parallel，因为
: 根本实际上不需要一台机器内存承载不了的大模型。这个说法对吗？
:
: target
【在 f******2 的大作中提到】
: 最近在看tensorflow的并行话版本，感觉不支持model paeallel啊。我是外行里面的外
: 行，纯兴趣赶时髦看看框架，对算法不懂。
: 另外在HN上看，一个（疑似）ML大牛很肯定地说，根本就不需要model parallel，因为
: 根本实际上不需要一台机器内存承载不了的大模型。这个说法对吗？
:
: target
d*i
88 楼
搞ML，用Python加上关键部分用C，C++属于黄金经典传统和政治正确，你用其他语言的
话一看根本就是圈外的外行业余。就像楼上那位大牛去秘鲁的话要讲西班牙语而不是英
语。
【在 N*****m 的大作中提到】
: 主要是搞ML，python的轮子多，而且底层都是c，cuda
: 所以其他语言真干不过
话一看根本就是圈外的外行业余。就像楼上那位大牛去秘鲁的话要讲西班牙语而不是英
语。
【在 N*****m 的大作中提到】
: 主要是搞ML，python的轮子多，而且底层都是c，cuda
: 所以其他语言真干不过
d*i
89 楼
wdong大牛你这个水平绝对不应该只是玩玩kaggle这种的，应该直接去搞革命性的实体
性的机器人和skynet。
【在 w***g 的大作中提到】
: 没我领导前２０都进不了。我领导脑子比较好使。只不过她的perl代码
: 都被我用C++重新实现了。
性的机器人和skynet。
【在 w***g 的大作中提到】
: 没我领导前２０都进不了。我领导脑子比较好使。只不过她的perl代码
: 都被我用C++重新实现了。
p*e
90 楼
请问要是数据很大，会不会上hadoop。我看教材里边说hadoop对java的支持比较好。虽然
它也支持Python，但是还是要有些转换的。
【在 d****i 的大作中提到】
: 搞ML，用Python加上关键部分用C，C++属于黄金经典传统和政治正确，你用其他语言的
: 话一看根本就是圈外的外行业余。就像楼上那位大牛去秘鲁的话要讲西班牙语而不是英
: 语。
它也支持Python，但是还是要有些转换的。
【在 d****i 的大作中提到】
: 搞ML，用Python加上关键部分用C，C++属于黄金经典传统和政治正确，你用其他语言的
: 话一看根本就是圈外的外行业余。就像楼上那位大牛去秘鲁的话要讲西班牙语而不是英
: 语。
a*f
91 楼
这种观点太窄了。ML几个阶段各有各的需求。数据收集，存储，预处理，learning，
predict，和visualization。
Learning除了C和Python外，R，Matlab，ScalaNLP，Juia，Clojure，Apache Mahout（
Java/Scala), RJava, Weka Toolkit工业界和学术界都在用。学校里面不少人都是从
Weka开始接触ML的。我读的几本相关书都是选择用Java平台讲授ML的。
数据输入和预处理的时候更多是Java的生态圈比如SpringXD（Twitter Stream），
Apache Spark，Hadoop，cloud-based data，JSON，XML。
Visualization如果是web interface要求的JavaScript，HTMLCSS一堆生态圈，mobile
又是一堆不同的，如果集成到BI又是一堆不同的技术。
【在 d****i 的大作中提到】
: 搞ML，用Python加上关键部分用C，C++属于黄金经典传统和政治正确，你用其他语言的
: 话一看根本就是圈外的外行业余。就像楼上那位大牛去秘鲁的话要讲西班牙语而不是英
: 语。
predict，和visualization。
Learning除了C和Python外，R，Matlab，ScalaNLP，Juia，Clojure，Apache Mahout（
Java/Scala), RJava, Weka Toolkit工业界和学术界都在用。学校里面不少人都是从
Weka开始接触ML的。我读的几本相关书都是选择用Java平台讲授ML的。
数据输入和预处理的时候更多是Java的生态圈比如SpringXD（Twitter Stream），
Apache Spark，Hadoop，cloud-based data，JSON，XML。
Visualization如果是web interface要求的JavaScript，HTMLCSS一堆生态圈，mobile
又是一堆不同的，如果集成到BI又是一堆不同的技术。
【在 d****i 的大作中提到】
: 搞ML，用Python加上关键部分用C，C++属于黄金经典传统和政治正确，你用其他语言的
: 话一看根本就是圈外的外行业余。就像楼上那位大牛去秘鲁的话要讲西班牙语而不是英
: 语。
a*f
92 楼
信息很有用啊，谢谢。要是能放一大堆参数进去让机器运行几十个小时自动选择调整冲
10%就省事多了。
target
【在 w*******x 的大作中提到】
: 我也没啥经验，做这种比赛，如果想获奖（top 3)，就是拼体力，我在这个比赛上一共
: 估计花了300小时吧。
: 有很多比赛运气成分比较大，就是那种给你一个很好的data matrix 让你去fit target
: , columns 还是匿名的那种，很难得前几名，noise to signal ratio 太低， 前10名
: 的差异都属于noise。不过也很容易弄个前10%。如果只想弄个kaggle的排名，最适合做
: 这种。基本上你就拿别人share 的 code里面最好的, 调调参数就可以了，几个小时搞
: 定 （大部分人只会去overfit）。
: 从我最近做比赛来看，有个好的team mate非常重要，可以互相学习到很多东西。 每个
: 人的想法都不一样，做一下ensemble马上可以显著的提高成绩，并且可以马上互相改进
: 对方的方法。最近的比赛大部分都是一个team赢的, 很少单个人的。当然如果找的
10%就省事多了。
target
【在 w*******x 的大作中提到】
: 我也没啥经验，做这种比赛，如果想获奖（top 3)，就是拼体力，我在这个比赛上一共
: 估计花了300小时吧。
: 有很多比赛运气成分比较大，就是那种给你一个很好的data matrix 让你去fit target
: , columns 还是匿名的那种，很难得前几名，noise to signal ratio 太低， 前10名
: 的差异都属于noise。不过也很容易弄个前10%。如果只想弄个kaggle的排名，最适合做
: 这种。基本上你就拿别人share 的 code里面最好的, 调调参数就可以了，几个小时搞
: 定 （大部分人只会去overfit）。
: 从我最近做比赛来看，有个好的team mate非常重要，可以互相学习到很多东西。 每个
: 人的想法都不一样，做一下ensemble马上可以显著的提高成绩，并且可以马上互相改进
: 对方的方法。最近的比赛大部分都是一个team赢的, 很少单个人的。当然如果找的
d*i
93 楼
你说的东西这些其实都无所谓的，用什么都可以，但是ML核心的核心都是C，C++和
Python。
mobile
【在 a*f 的大作中提到】
: 这种观点太窄了。ML几个阶段各有各的需求。数据收集，存储，预处理，learning，
: predict，和visualization。
: Learning除了C和Python外，R，Matlab，ScalaNLP，Juia，Clojure，Apache Mahout（
: Java/Scala), RJava, Weka Toolkit工业界和学术界都在用。学校里面不少人都是从
: Weka开始接触ML的。我读的几本相关书都是选择用Java平台讲授ML的。
: 数据输入和预处理的时候更多是Java的生态圈比如SpringXD（Twitter Stream），
: Apache Spark，Hadoop，cloud-based data，JSON，XML。
: Visualization如果是web interface要求的JavaScript，HTMLCSS一堆生态圈，mobile
: 又是一堆不同的，如果集成到BI又是一堆不同的技术。
Python。
mobile
【在 a*f 的大作中提到】
: 这种观点太窄了。ML几个阶段各有各的需求。数据收集，存储，预处理，learning，
: predict，和visualization。
: Learning除了C和Python外，R，Matlab，ScalaNLP，Juia，Clojure，Apache Mahout（
: Java/Scala), RJava, Weka Toolkit工业界和学术界都在用。学校里面不少人都是从
: Weka开始接触ML的。我读的几本相关书都是选择用Java平台讲授ML的。
: 数据输入和预处理的时候更多是Java的生态圈比如SpringXD（Twitter Stream），
: Apache Spark，Hadoop，cloud-based data，JSON，XML。
: Visualization如果是web interface要求的JavaScript，HTMLCSS一堆生态圈，mobile
: 又是一堆不同的，如果集成到BI又是一堆不同的技术。
h*i
94 楼
你说的只是线下的ML训练阶段。这个阶段目前看用python有一定的优势。
但这个阶段在整个产品生产环境中，无论从哪个方面看都是很小的一部分，也就是所谓
的data scientist的工作。老实说，在大部分公司，这一行都是不太受待见的。你自己
觉得核心，别的人都不这么看。说来说去还是"nice to have",不是什么离了你公司就
不能运转的行当。
就举一个专门搞ML为业的一个初创公司为例吧，这样一个公司，最先要找的，必然是几
个个full stack工程师，把前前后后的架子搭起来，随便搞点ML算法，弄个prototype
，好去忽悠钱，这些都没什么data scientist的事；
然后忽悠到钱了，要grow了，必然要招更多的full stack, 还要找些backend工程师，
把后台搞得solid点，前台也要搞得漂亮点，是不是？当然还要有business
development的人，这些都没什么data scientist的事；
好了，公司发展不错，A，B轮拿了，想想，我们不是一个ML公司么，得搞点ML才像样啊
，这才开始想，是不是搞个有点名气的ML人来好看点？ 这才开始去挖个把ML人来，给
个VP， Chief Scientist等等空衔。然后这个人就雄心勃勃来了，然后，然后就悲剧了
，一两年就走人了， “与公司文化不和拍”，“我个人需要休息一下”，诸如此类，
我见得不少。
这还是ML大牛，小喽啰就不提了。
【在 d****i 的大作中提到】
: 你说的东西这些其实都无所谓的，用什么都可以，但是ML核心的核心都是C，C++和
: Python。
:
: mobile
但这个阶段在整个产品生产环境中，无论从哪个方面看都是很小的一部分，也就是所谓
的data scientist的工作。老实说，在大部分公司，这一行都是不太受待见的。你自己
觉得核心，别的人都不这么看。说来说去还是"nice to have",不是什么离了你公司就
不能运转的行当。
就举一个专门搞ML为业的一个初创公司为例吧，这样一个公司，最先要找的，必然是几
个个full stack工程师，把前前后后的架子搭起来，随便搞点ML算法，弄个prototype
，好去忽悠钱，这些都没什么data scientist的事；
然后忽悠到钱了，要grow了，必然要招更多的full stack, 还要找些backend工程师，
把后台搞得solid点，前台也要搞得漂亮点，是不是？当然还要有business
development的人，这些都没什么data scientist的事；
好了，公司发展不错，A，B轮拿了，想想，我们不是一个ML公司么，得搞点ML才像样啊
，这才开始想，是不是搞个有点名气的ML人来好看点？ 这才开始去挖个把ML人来，给
个VP， Chief Scientist等等空衔。然后这个人就雄心勃勃来了，然后，然后就悲剧了
，一两年就走人了， “与公司文化不和拍”，“我个人需要休息一下”，诸如此类，
我见得不少。
这还是ML大牛，小喽啰就不提了。
【在 d****i 的大作中提到】
: 你说的东西这些其实都无所谓的，用什么都可以，但是ML核心的核心都是C，C++和
: Python。
:
: mobile
f*2
95 楼
Data parallel 就是一个model（一个大parameter集合）整个扔到各个机器上去，各个
机器利用自己local的数据shard来locally update这个大model ，然后到中央节点去互
相交流一下各自的成果。训练数据和运算单元的合作模式和hadoop没啥两样。
model parallel就是说，这个模型的内存要求太大了，必须切开后扔到到各个工作节点
去，每个节点只看见自己那部分parameter，然后对同样的数据进行训练。
基本就是disblief的说法（我是外行瞎琢磨的，请指正）
【在 l*******m 的大作中提到】
: 不明白你的model parallel定义。大公司标配是single box with 8 gpus
机器利用自己local的数据shard来locally update这个大model ，然后到中央节点去互
相交流一下各自的成果。训练数据和运算单元的合作模式和hadoop没啥两样。
model parallel就是说，这个模型的内存要求太大了，必须切开后扔到到各个工作节点
去，每个节点只看见自己那部分parameter，然后对同样的数据进行训练。
基本就是disblief的说法（我是外行瞎琢磨的，请指正）
【在 l*******m 的大作中提到】
: 不明白你的model parallel定义。大公司标配是single box with 8 gpus
l*s
96 楼
(My guess) Model parallel is to distribute similar/related models over the
cloud to get an ensemble estimating the truth.
【在 f******2 的大作中提到】
: Data parallel 就是一个model（一个大parameter集合）整个扔到各个机器上去，各个
: 机器利用自己local的数据shard来locally update这个大model ，然后到中央节点去互
: 相交流一下各自的成果。训练数据和运算单元的合作模式和hadoop没啥两样。
: model parallel就是说，这个模型的内存要求太大了，必须切开后扔到到各个工作节点
: 去，每个节点只看见自己那部分parameter，然后对同样的数据进行训练。
: 基本就是disblief的说法（我是外行瞎琢磨的，请指正）
cloud to get an ensemble estimating the truth.
【在 f******2 的大作中提到】
: Data parallel 就是一个model（一个大parameter集合）整个扔到各个机器上去，各个
: 机器利用自己local的数据shard来locally update这个大model ，然后到中央节点去互
: 相交流一下各自的成果。训练数据和运算单元的合作模式和hadoop没啥两样。
: model parallel就是说，这个模型的内存要求太大了，必须切开后扔到到各个工作节点
: 去，每个节点只看见自己那部分parameter，然后对同样的数据进行训练。
: 基本就是disblief的说法（我是外行瞎琢磨的，请指正）
l*m
97 楼
一般模型没那么大，每个节点能看到所有param, 可能部分数据。难点是同步update太
慢，异步要保证收敛
【在 f******2 的大作中提到】
: Data parallel 就是一个model（一个大parameter集合）整个扔到各个机器上去，各个
: 机器利用自己local的数据shard来locally update这个大model ，然后到中央节点去互
: 相交流一下各自的成果。训练数据和运算单元的合作模式和hadoop没啥两样。
: model parallel就是说，这个模型的内存要求太大了，必须切开后扔到到各个工作节点
: 去，每个节点只看见自己那部分parameter，然后对同样的数据进行训练。
: 基本就是disblief的说法（我是外行瞎琢磨的，请指正）
慢，异步要保证收敛
【在 f******2 的大作中提到】
: Data parallel 就是一个model（一个大parameter集合）整个扔到各个机器上去，各个
: 机器利用自己local的数据shard来locally update这个大model ，然后到中央节点去互
: 相交流一下各自的成果。训练数据和运算单元的合作模式和hadoop没啥两样。
: model parallel就是说，这个模型的内存要求太大了，必须切开后扔到到各个工作节点
: 去，每个节点只看见自己那部分parameter，然后对同样的数据进行训练。
: 基本就是disblief的说法（我是外行瞎琢磨的，请指正）
q*z
98 楼
f*2
99 楼
Berkeley的两个人做了一个sparknet的项目 https://github.com/amplab/SparkNet
如果读读他们的paper的话，http://arxiv.org/abs/1511.06051，就会发现其实想法非常简单：因为同步的开销（例如10秒）通常大于一个minibatch计算的开销（例如1秒），那sparknet的做法是，在local连续做几次minibatch后再同步，从而降低同步的副作用。
但是我对这两个哥们儿最后的实验结论有些疑问：
1. 连续local算几次会不会造成本来收敛的东西不收敛了？（这个需要ML的内行帮忙
解答一下）
2. 图7里面发现iteration和训练收敛速度没有关系，难道要瞎选参数？
谢谢
关于ensemble的说法，你的意思是说同时对几种不同的网络训练，取平均值？这部分没
有看懂。
一般模型没那么大，每个节点能看到所有param, 可能部分数据。难点是同步update太
【在 l*******m 的大作中提到】
: 一般模型没那么大，每个节点能看到所有param, 可能部分数据。难点是同步update太
: 慢，异步要保证收敛
如果读读他们的paper的话，http://arxiv.org/abs/1511.06051，就会发现其实想法非常简单：因为同步的开销（例如10秒）通常大于一个minibatch计算的开销（例如1秒），那sparknet的做法是，在local连续做几次minibatch后再同步，从而降低同步的副作用。
但是我对这两个哥们儿最后的实验结论有些疑问：
1. 连续local算几次会不会造成本来收敛的东西不收敛了？（这个需要ML的内行帮忙
解答一下）
2. 图7里面发现iteration和训练收敛速度没有关系，难道要瞎选参数？
谢谢
关于ensemble的说法，你的意思是说同时对几种不同的网络训练，取平均值？这部分没
有看懂。
一般模型没那么大，每个节点能看到所有param, 可能部分数据。难点是同步update太
【在 l*******m 的大作中提到】
: 一般模型没那么大，每个节点能看到所有param, 可能部分数据。难点是同步update太
: 慢，异步要保证收敛
l*m
100 楼
因为nn不是convex, 收敛性是没法证明。大家都是把logistic regression的sgd的各种
变种拿到nn来. 我估计在lr情况下，这个片文章的方法应该是ok.
ensemble可以用几个不同模型，也可以用一个模型，不同的data augmentations. 比如
鉴别植物，可以用原始图片infer, 再把图片转个角度再infer一次，做个平均
【在 f******2 的大作中提到】
: Berkeley的两个人做了一个sparknet的项目 https://github.com/amplab/SparkNet
: 如果读读他们的paper的话，http://arxiv.org/abs/1511.06051，就会发现其实想法非常简单：因为同步的开销（例如10秒）通常大于一个minibatch计算的开销（例如1秒），那sparknet的做法是，在local连续做几次minibatch后再同步，从而降低同步的副作用。
: 但是我对这两个哥们儿最后的实验结论有些疑问：
: 1. 连续local算几次会不会造成本来收敛的东西不收敛了？（这个需要ML的内行帮忙
: 解答一下）
: 2. 图7里面发现iteration和训练收敛速度没有关系，难道要瞎选参数？
: 谢谢
: 关于ensemble的说法，你的意思是说同时对几种不同的网络训练，取平均值？这部分没
: 有看懂。
:
变种拿到nn来. 我估计在lr情况下，这个片文章的方法应该是ok.
ensemble可以用几个不同模型，也可以用一个模型，不同的data augmentations. 比如
鉴别植物，可以用原始图片infer, 再把图片转个角度再infer一次，做个平均
【在 f******2 的大作中提到】
: Berkeley的两个人做了一个sparknet的项目 https://github.com/amplab/SparkNet
: 如果读读他们的paper的话，http://arxiv.org/abs/1511.06051，就会发现其实想法非常简单：因为同步的开销（例如10秒）通常大于一个minibatch计算的开销（例如1秒），那sparknet的做法是，在local连续做几次minibatch后再同步，从而降低同步的副作用。
: 但是我对这两个哥们儿最后的实验结论有些疑问：
: 1. 连续local算几次会不会造成本来收敛的东西不收敛了？（这个需要ML的内行帮忙
: 解答一下）
: 2. 图7里面发现iteration和训练收敛速度没有关系，难道要瞎选参数？
: 谢谢
: 关于ensemble的说法，你的意思是说同时对几种不同的网络训练，取平均值？这部分没
: 有看懂。
:
L*8
101 楼
B. Train CNNs to predict the contours of the LV
CNN是2d slice 分别做分类分割 还是 直接搞3D?
另外 CNN做图像分割 是否可能出来 好多个不连通区域？ 有何后处理？
还是不用管边界光滑什么的？ 直接算体积？
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
CNN是2d slice 分别做分类分割 还是 直接搞3D?
另外 CNN做图像分割 是否可能出来 好多个不连通区域？ 有何后处理？
还是不用管边界光滑什么的？ 直接算体积？
【在 w*******x 的大作中提到】
: 对我们code感兴趣的，share 在Github了，可能还会稍微清理一下...太乱..
: https://github.com/woshialex/diagnose-heart，
: 直接看CNN_A/model.py里面有我们的CNN的结构。
: 有时运气好撞对了大方向，再想些小技巧，基本就是体力活了，尝试不同的东西，不停
: 的改进细节。我上次有个比赛以为稳赢的，第一名领先很多，后期就不怎么做了，后来
: 有个team藏了个特别好的结果最后5分钟提交上来（因为那个比赛没有outsample)，所
: 以这次我也比较小心，把能做的就都做了。
w*x
102 楼
2D segmentation. 选取一块最可能是LV的 （也可以选最大的那块，去除noise, 对结
果影响很小），然后取convex hull，CNN可以非常准确的找到这个contour. 其实就是
模拟人的做法，画 (predict) contour, 累积算体积，选取最大最小的就是答案。
【在 L****8 的大作中提到】
: B. Train CNNs to predict the contours of the LV
: CNN是2d slice 分别做分类分割 还是 直接搞3D?
: 另外 CNN做图像分割 是否可能出来 好多个不连通区域？ 有何后处理？
: 还是不用管边界光滑什么的？ 直接算体积？
果影响很小），然后取convex hull，CNN可以非常准确的找到这个contour. 其实就是
模拟人的做法，画 (predict) contour, 累积算体积，选取最大最小的就是答案。
【在 L****8 的大作中提到】
: B. Train CNNs to predict the contours of the LV
: CNN是2d slice 分别做分类分割 还是 直接搞3D?
: 另外 CNN做图像分割 是否可能出来 好多个不连通区域？ 有何后处理？
: 还是不用管边界光滑什么的？ 直接算体积？
h*g
103 楼
两位参赛的大拿，能说说你们用于模型训练的硬件吗？
l*s
104 楼
如果这里不用minibatch，而是选batch，那么同步成本就会大于batch，
而如果用stochastic代替minibatch，那么速度会更快，同步成本相对就更高，所以跑
几个iteration后再同步是不是更好。
连续local算几次，是不是本来就为了避免局部最优？SGD里面就有这种方法。
【在 f******2 的大作中提到】
: Berkeley的两个人做了一个sparknet的项目 https://github.com/amplab/SparkNet
: 如果读读他们的paper的话，http://arxiv.org/abs/1511.06051，就会发现其实想法非常简单：因为同步的开销（例如10秒）通常大于一个minibatch计算的开销（例如1秒），那sparknet的做法是，在local连续做几次minibatch后再同步，从而降低同步的副作用。
: 但是我对这两个哥们儿最后的实验结论有些疑问：
: 1. 连续local算几次会不会造成本来收敛的东西不收敛了？（这个需要ML的内行帮忙
: 解答一下）
: 2. 图7里面发现iteration和训练收敛速度没有关系，难道要瞎选参数？
: 谢谢
: 关于ensemble的说法，你的意思是说同时对几种不同的网络训练，取平均值？这部分没
: 有看懂。
:
而如果用stochastic代替minibatch，那么速度会更快，同步成本相对就更高，所以跑
几个iteration后再同步是不是更好。
连续local算几次，是不是本来就为了避免局部最优？SGD里面就有这种方法。
【在 f******2 的大作中提到】
: Berkeley的两个人做了一个sparknet的项目 https://github.com/amplab/SparkNet
: 如果读读他们的paper的话，http://arxiv.org/abs/1511.06051，就会发现其实想法非常简单：因为同步的开销（例如10秒）通常大于一个minibatch计算的开销（例如1秒），那sparknet的做法是，在local连续做几次minibatch后再同步，从而降低同步的副作用。
: 但是我对这两个哥们儿最后的实验结论有些疑问：
: 1. 连续local算几次会不会造成本来收敛的东西不收敛了？（这个需要ML的内行帮忙
: 解答一下）
: 2. 图7里面发现iteration和训练收敛速度没有关系，难道要瞎选参数？
: 谢谢
: 关于ensemble的说法，你的意思是说同时对几种不同的网络训练，取平均值？这部分没
: 有看懂。
:
f*2
105 楼
我对这些不懂是很懂啊。
有兴趣的话可以一起交流交流啊。
【在 l*******s 的大作中提到】
: 如果这里不用minibatch，而是选batch，那么同步成本就会大于batch，
: 而如果用stochastic代替minibatch，那么速度会更快，同步成本相对就更高，所以跑
: 几个iteration后再同步是不是更好。
: 连续local算几次，是不是本来就为了避免局部最优？SGD里面就有这种方法。
有兴趣的话可以一起交流交流啊。
【在 l*******s 的大作中提到】
: 如果这里不用minibatch，而是选batch，那么同步成本就会大于batch，
: 而如果用stochastic代替minibatch，那么速度会更快，同步成本相对就更高，所以跑
: 几个iteration后再同步是不是更好。
: 连续local算几次，是不是本来就为了避免局部最优？SGD里面就有这种方法。
c*n
106 楼
这东西习惯了还好。当年对这个也是恨得牙痒痒...
【在 l******n 的大作中提到】
: 我个人觉得还不错，相当于强制的format，可读性增强很多。
【在 l******n 的大作中提到】
: 我个人觉得还不错，相当于强制的format，可读性增强很多。
c*n
107 楼
两个大牛，太厉害了！恭喜！
【在 w***g 的大作中提到】
: 终于把大牛逼出来了，过来膜拜一下。下弟甘拜下风。
:
: )
: cuda,
【在 w***g 的大作中提到】
: 终于把大牛逼出来了，过来膜拜一下。下弟甘拜下风。
:
: )
: cuda,
x*u
108 楼
看过这种吐槽好多遍了，忍不住上来讲讲自己的感受。
大学时第一次用FORTRAN77（你说让我们和数学计算不搭界的学这干嘛），死活编译不
过。最后才发现是某一行行首需要空两格（不能多不能少），因此一开始听说Python
的formating是比较抵触。用了很短一段时间Perl，对各种符号漫天飞恶心的不行。开
始试用Python，整个转换过程不到两天。
现在，分号和花括号反而成了我学JS的第一个障碍。
还从来没有发现哪个Editor会有indent错误。一般缺省是4个spaces indentation。要
是真的需要很深的indent话（很少情况），手动 2 spaces indent，多数Editor自动在
下一行用同样的indentation。你要非要用TAB，哪我就没办法了。
好处是逼着你把code写整齐。坏处是因为code一般是clean的，经常忘了写注释。
你要实在想用花括号的话，这有一个project：“Python with Braces”（https://
github.com/eshirazi/python-with-braces）
Quote: "As its name implies, Python with Braces doesn’t care about
indentation: you’re free to make you code extremely ugly"。
还可以试一下：
from __future__ import braces
Joke aside， 用Python的人（都）认为forced indent是避免格式错误的一大助力；从
来不用python的认为forced indent是避免格式错误的一大阻力。
littlebirds
2016-03-15 16:28 22楼
你这叫想当然。缩进比一堆括号看得干净多了。
: 你这叫想当然。缩进比一堆括号看得干净多了。
【在 a*f 的大作中提到】
: 第一次听人夸这个缩进坑，如果下面这个没有括号，某行错了一个空格，你就死翘了
大学时第一次用FORTRAN77（你说让我们和数学计算不搭界的学这干嘛），死活编译不
过。最后才发现是某一行行首需要空两格（不能多不能少），因此一开始听说Python
的formating是比较抵触。用了很短一段时间Perl，对各种符号漫天飞恶心的不行。开
始试用Python，整个转换过程不到两天。
现在，分号和花括号反而成了我学JS的第一个障碍。
还从来没有发现哪个Editor会有indent错误。一般缺省是4个spaces indentation。要
是真的需要很深的indent话（很少情况），手动 2 spaces indent，多数Editor自动在
下一行用同样的indentation。你要非要用TAB，哪我就没办法了。
好处是逼着你把code写整齐。坏处是因为code一般是clean的，经常忘了写注释。
你要实在想用花括号的话，这有一个project：“Python with Braces”（https://
github.com/eshirazi/python-with-braces）
Quote: "As its name implies, Python with Braces doesn’t care about
indentation: you’re free to make you code extremely ugly"。
还可以试一下：
from __future__ import braces
Joke aside， 用Python的人（都）认为forced indent是避免格式错误的一大助力；从
来不用python的认为forced indent是避免格式错误的一大阻力。
littlebirds
2016-03-15 16:28 22楼
你这叫想当然。缩进比一堆括号看得干净多了。
: 你这叫想当然。缩进比一堆括号看得干净多了。
【在 a*f 的大作中提到】
: 第一次听人夸这个缩进坑，如果下面这个没有括号，某行错了一个空格，你就死翘了
x*u
109 楼
大牛指点一下一般怎么做多个model的ensemble？
谢谢！
target
【在 w*******x 的大作中提到】
: 我也没啥经验，做这种比赛，如果想获奖（top 3)，就是拼体力，我在这个比赛上一共
: 估计花了300小时吧。
: 有很多比赛运气成分比较大，就是那种给你一个很好的data matrix 让你去fit target
: , columns 还是匿名的那种，很难得前几名，noise to signal ratio 太低， 前10名
: 的差异都属于noise。不过也很容易弄个前10%。如果只想弄个kaggle的排名，最适合做
: 这种。基本上你就拿别人share 的 code里面最好的, 调调参数就可以了，几个小时搞
: 定 （大部分人只会去overfit）。
: 从我最近做比赛来看，有个好的team mate非常重要，可以互相学习到很多东西。 每个
: 人的想法都不一样，做一下ensemble马上可以显著的提高成绩，并且可以马上互相改进
: 对方的方法。最近的比赛大部分都是一个team赢的, 很少单个人的。当然如果找的
谢谢！
target
【在 w*******x 的大作中提到】
: 我也没啥经验，做这种比赛，如果想获奖（top 3)，就是拼体力，我在这个比赛上一共
: 估计花了300小时吧。
: 有很多比赛运气成分比较大，就是那种给你一个很好的data matrix 让你去fit target
: , columns 还是匿名的那种，很难得前几名，noise to signal ratio 太低， 前10名
: 的差异都属于noise。不过也很容易弄个前10%。如果只想弄个kaggle的排名，最适合做
: 这种。基本上你就拿别人share 的 code里面最好的, 调调参数就可以了，几个小时搞
: 定 （大部分人只会去overfit）。
: 从我最近做比赛来看，有个好的team mate非常重要，可以互相学习到很多东西。 每个
: 人的想法都不一样，做一下ensemble马上可以显著的提高成绩，并且可以马上互相改进
: 对方的方法。最近的比赛大部分都是一个team赢的, 很少单个人的。当然如果找的
p*y
110 楼
大牛已经上financial times了， 进来膜拜一下。
https://next.ft.com/content/c08a3ccc-f637-11e5-96db-fc683b5e52d
target
【在 w*******x 的大作中提到】
: 我也没啥经验，做这种比赛，如果想获奖（top 3)，就是拼体力，我在这个比赛上一共
: 估计花了300小时吧。
: 有很多比赛运气成分比较大，就是那种给你一个很好的data matrix 让你去fit target
: , columns 还是匿名的那种，很难得前几名，noise to signal ratio 太低， 前10名
: 的差异都属于noise。不过也很容易弄个前10%。如果只想弄个kaggle的排名，最适合做
: 这种。基本上你就拿别人share 的 code里面最好的, 调调参数就可以了，几个小时搞
: 定 （大部分人只会去overfit）。
: 从我最近做比赛来看，有个好的team mate非常重要，可以互相学习到很多东西。 每个
: 人的想法都不一样，做一下ensemble马上可以显著的提高成绩，并且可以马上互相改进
: 对方的方法。最近的比赛大部分都是一个team赢的, 很少单个人的。当然如果找的
https://next.ft.com/content/c08a3ccc-f637-11e5-96db-fc683b5e52d
target
【在 w*******x 的大作中提到】
: 我也没啥经验，做这种比赛，如果想获奖（top 3)，就是拼体力，我在这个比赛上一共
: 估计花了300小时吧。
: 有很多比赛运气成分比较大，就是那种给你一个很好的data matrix 让你去fit target
: , columns 还是匿名的那种，很难得前几名，noise to signal ratio 太低， 前10名
: 的差异都属于noise。不过也很容易弄个前10%。如果只想弄个kaggle的排名，最适合做
: 这种。基本上你就拿别人share 的 code里面最好的, 调调参数就可以了，几个小时搞
: 定 （大部分人只会去overfit）。
: 从我最近做比赛来看，有个好的team mate非常重要，可以互相学习到很多东西。 每个
: 人的想法都不一样，做一下ensemble马上可以显著的提高成绩，并且可以马上互相改进
: 对方的方法。最近的比赛大部分都是一个team赢的, 很少单个人的。当然如果找的
D*e
111 楼
膜拜大牛
n*7
112 楼
人牛逼，又努力对方向了，别的顺便就来了
别人在苦逼的证明自己的contribution，这媒体报道就有了
【在 p*****y 的大作中提到】
: 大牛已经上financial times了， 进来膜拜一下。
: https://next.ft.com/content/c08a3ccc-f637-11e5-96db-fc683b5e52d
:
: target
别人在苦逼的证明自己的contribution，这媒体报道就有了
【在 p*****y 的大作中提到】
: 大牛已经上financial times了， 进来膜拜一下。
: https://next.ft.com/content/c08a3ccc-f637-11e5-96db-fc683b5e52d
:
: target
x*u
113 楼
python的底层也是gpu，速度足够了何苦把非瓶颈也搞成native。
【在 d******e 的大作中提到】
: 早说过。现在是草蜢快的世界。
: 什么事情先上大python，出货快啊。等有了眉木在找老赵这些马仔调性能。
:
: validation
: 了。
: 做，
【在 d******e 的大作中提到】
: 早说过。现在是草蜢快的世界。
: 什么事情先上大python，出货快啊。等有了眉木在找老赵这些马仔调性能。
:
: validation
: 了。
: 做，
相关阅读
[bssd] 李飛飛當選fellow了将军们看看这段代码是国人写的， 在国内的国人吗 (转载)汉朝的文理之争Java Spring developer转Spark data developer我觉得正真的云计算时代要来了React 和 react native以前那专利问题没了吧？好想很多地方都在裁员？今後可能很多軟件出口要辦export license相信机器，相信自己大数据服务的商业模式如何做到数据的一致性？SPA可以做安全性要求很高的企业UI方案吗？ML/AI...需要回调科技发展解决不了社会退化成shithole的问题参数选择 Bayesian Optimization with Gaussian Process Prior现在吹的这些ML、DL并不是什么人工智能xgboost预测结果不一致怎么回事？Android数据可视化用什么库好？大脑怎么存储物体几何结构的？请教一道经典题目：寻找数据流中出现最频繁的k个元素