这是一篇大牛翻译的介绍如何将调参工作，实现从“人工”到“智能”的转变。看完后感慨，人工智能里的人工的工作不断升级，越来越多的部分可以交给“机器智能”做了，背后也微微发凉。也感谢译者，帮我节省了阅读时间，毕竟母语用着更舒服。这也是我为什么选择ｐａｄｄｌｅ框架的一个原因－中文资料丰富，学习效率高。我想美国人研究后说中国人有学数字的“单音节读音”红利，所以大众数学更好一些。同样的逻辑－美国人是不是有论文母语红利呢？难怪施一公说我们最好的论文都发给国外的期刊，搞得自己的工程师都有看不懂的。希望百度的飞浆框架带给国内的工程师一些”母语红利“吧。下面上文章地址。
https://www.jiqizhixin.com/articles/101401
原文地址：
https://blog.floydhub.com/guide-to-hyperparameters-search-for-deep-learning-models/
收藏
点赞
1
个赞
请登录后评论
TOP
切换版块
网络搜索都有，自动寻参更不在话下了
自动寻惨没找到，找到神经网络搜索了
https://github.com/PaddlePaddle/PaddleDetection/tree/release/0.3/slim/nas
有印象，但记不清了
谢谢，我再找找文档。
峰会发布的工具看看，或者在paddlex中可配置的
我也有点印象。
是什麽组件～～有链接、文档什么的么？
paddle好像有智能调参的工具
同感
感谢分享，最难的就是调参了。。。
嗯，有资源就能自动化，不能还是只能靠“人工”智能啊
学习一下，最难在调参
英文是当工具用的不是用来炫的，哈哈
嗯，学的是先进的技术。语言没有先进之分。母语效率最高。
确实就算可以勉强看懂英语，还是没有母语来得方便
前沿交流用得到英文。入门母语效率更高。
文章里的“研究生下降法”说法很有趣。人工智能的现状还是得靠“人工”啊。