参赛历程比赛时间：3.10-4.11历时一个多月，无论是知识眼界还是心态方面，都有了较大的改变。刚开始选这个赛题，没有什么特别的地方，顺眼就是了。直到着手准备这个比赛的时候，才发现，事情并不简单，虽然数据集只有训练集和测试集以及一个提交结果的样本，但是数据没有任何的说明，（数据应该都是从客户那里收集的，所以主办方为了保护客户的隐私，做了脱敏处理）除了ID_code都是数值型的数据，可是它们代表的是
转载
2024-08-08 15:48:04
54阅读
前言：window10+cuda9.0+cudnn+pycharm+py3.5+tensorflow1.9 这是本文的开发环境一、数据部分：从kaggle下载https://www.kaggle.com/c/dogs-vs-cats下载以后直接解压成两个文件，train和test，直接copy在eclipse的工程目录data中即可 二、结构部分： 三、代码部分： 1.input_data.
转载
2024-08-20 17:51:58
131阅读
参考：机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾参考：Kaggle泰坦尼克特征工程和模型融合『解决一个问题的方法和思路不止一种』『没有所谓的机器学习算法优劣，也没有绝对高性能的机器学习算法，只有在特定的场景、数据和特征下更合适的机器学习算法。』 Kaggle上的大神们，也分享过一些experience，说几条我记得的哈： 『对数据的认识太重要了！』 『
转载
2024-07-25 18:25:06
110阅读
IntroKaggle提供免费访问内核中的NVidia K80 GPU。该基准测试表明，在深度学习模型的训练过程中，为您的内核启用GPU可实现12.5倍的加速。 这个内核是用GPU运行的。我将运行时间与在CPU上训练相同模型内核的运行时间进行比较。 GPU的总运行时间为994秒。仅具有CPU的内核的总运行时间为13,419秒。这是一个12.5倍的加速（只有一个CPU的总运行时间是13.5倍）。 将
转载
2024-02-05 00:57:37
389阅读
利用kaggle提供的免费GPU完成卫星图片识别任务 文章目录利用kaggle提供的免费GPU完成卫星图片识别任务1.数据集的介绍2.将数据集上传到kaggle3.利用tf.data构造输入4.模型的创建与配置5.下载模型在本地导入并用于预测结语 1.数据集的介绍该数据集提供了，两类图片，飞机airplane，和湖(lake)，是属于一个二分类的问题，同时提供的数据都为彩色图，RGB三通道，大小为
转载
2024-03-23 10:35:24
333阅读
最近发现kaggle每周给了30小时的GPU额度，直接使用在线jupyter notebook，非常方便。以后就直接在kaggle上练习了。第一版，尽量不要“Save Version”离线运行，因为离线运行只要一个语句出错，整个程序白跑。所以一般是第一版在线跑完，没有错，之后改动比较小的细调时再离线跑。比如这场比赛，因为数据集是压缩包，所以需要先导入库、然后在线解压到缓存里（大概需要20分钟），然
转载
2024-09-01 21:48:28
834阅读
导 论：Kaggle 每周可以白嫖GPU资源约40小时，Kaggle相比于Colab而言可以离线运行，而且运行时间挺长的。Colab如果不开pro会员的话只能使用Tesla k40 这种低级显卡约4小时，开会员的话可以用Tesla V100、P100等显卡。Kaggle侧重于数据竞赛，他们希望你使用Kaggle来跑竞赛题目而不是你的实验工程。然而Kaggle不同于Colab
转载
2024-05-22 18:22:02
278阅读
谷歌有两个平台提供免费的云端GPU：Colab和Kaggle， 如果你想深入学习人工智能和深度学习技术，那么这两款GPU将带给你很棒学习的体验。那么问题来了，我们该选择哪个平台进行学习和工作呢？接下来，本文将介绍如何比较硬件规格和探索优缺点的差异；本文还将基于一个计算机视觉任务，比较在不同平台下，使用迁移学习、混合精度训练、学习率模拟退火以及测试时间增广等操作时，所需的训练
转载
2024-08-03 12:33:51
143阅读
跑深度学习代码的时候电脑GPU太垃圾了，batch-size设置的很小，训练时间长？kaggle提供免费GPU啦！！！跟着我一起来白嫖吧1、第一步：注册登录kaggle可以使用Google、雅虎、Facebook账号登录，如果你已经有了这些账号直接登录即可。这些账号博主都没有，所以通过邮箱注册登录。首先进入kaggle主页Kaggle: Your Machine Learning and Data
转载
2023-12-03 21:14:16
410阅读
这篇文章适合那些刚接触Kaggle、想尽快熟悉Kaggle并且独立完成一个竞赛项目的网友，对于已经在Kaggle上参赛过的网友来说，大可不必耗费时间阅读本文。本文主要介绍Kaggle，如何解决一个竞赛项目的全过程，请参考上一篇：kaggle入门-Bike Sharing Demand自行车需求预测1、Kaggle简介 Kaggle是一个数据分析的竞赛平台，网址：https://www.kaggle
转载
2024-08-15 14:23:06
85阅读
由于选修了数据挖掘课程，课程作业是完成Kaggle上的一个比赛，所以在机缘巧合下就知道了Kaggle这个平台，事实上我认为这是用来练手数据挖掘的一个绝佳场所。这篇文章适合和我一样刚接触Kaggle的朋友，对于已经熟悉这个平台的朋友，欢迎指出我的错误，必定虚心受教。本文分为两个部分，第一部分简单介绍在上面完成比赛的流程，第二部分以手写数字识别为例子详细描述完成比赛的整个过程。1、Kag
转载
2024-05-24 08:51:20
130阅读
目录一、上传项目二、训练模型1.导入项目2.关于下包以及配置虚拟环境的问题1）创建虚拟环境2）下包3.训练模型1）两种方法：2）关于写文件的问题3）开启GPU4）离线训练4.下载日志、运行结果什么的5.关掉GPU 三、模型预测一、上传项目网址： 登陆后，将项目(连同数据集和代码一起）压缩上传，上传需要梯子。上传成功后点击create，kaggle会自动解压压缩包，处理完成后会有
转载
2023-12-12 16:55:56
4924阅读
一、目的使用深度学习对kaggle上的titanic项目，使用乘客数据(如姓名、年龄、性别、社会经济阶层等)，建立一个模型预测泰坦尼克号沉船上哪些乘客能够幸存。二、编程该项目的训练集与测试集在官网下载即可：https://www.kaggle.com/c/titanic，在完成后还可以上传你的预测文件参与全世界排名。我们本次编程使用pytorch进行。本次将搭建一个三层神经网络，relu->
前言Colab Pro(目前仅在美国、加拿大、日本、巴西、德国、法国、印度、英国和泰国可用)提供了随时可用和加速但是维护起来既昂贵又繁琐的云计算资源。和其免费版不同，Colab Pro 允许用户使用 TPUs 和高端的 GPUs，比如 V100 和 P100 等等，可以访问高内存的实例，并且保持 notebooks 运行的时间最长可以达到 24 小时，费用是每个月 10 美元。Colab Pro可
1、Kaggle简介
Kaggle是一个数据分析的竞赛平台，网址：
https://www.kaggle.com/
企业或者研究者可以将数据、问题描述、期望的指标发布到Kaggle上，以竞赛的形式向广大的数据科学家征集解决方
案，类似于
KDD-CUP（国际知识发现和数据挖掘竞赛）。Kaggle上的参赛者将数据下载
前面已经有了两篇机器学习Kaggle入门的笔记，机器学习Kaggle入门，经典又兼具备趣味性的泰坦尼克号问题机器学习Kaggle入门，自行车租赁预测比赛第一个问题是分类问题，第二个问题是回归问题。两个案例主要是展示了特征工程的魅力，如何利用第三方库快速的实现模型搭建。现在这篇文章，会侧重介绍kaggle的实际操作”现场“，方便大家去跟着思路学习进入到kaggle的真实世界，不仅知道怎么做模型预测，
这是 Kaggle 你问我答 (AMA) 的第一期活动，本期请到的嘉宾是 SueTao，他研究生毕业于东南大学，目前是腾讯的一名算法工程师。 Kaggle profile：https://www.kaggle.com/shentao
SueTao 擅长计算机视觉（Computer Vision），半年 5 战 5 金，也许是史上最快的 GrandMaster。截至
大数据竞赛平台——Kaggle 入门篇 这篇文章适合那些刚接触Kaggle、想尽快熟悉Kaggle并且独立完成一个竞赛项目的网友，对于已经在Kaggle上参赛过的网友来说，大可不必耗费时间阅读本文。本文分为两部分介绍Kaggle，第一部分简单介绍Kaggle，第二部分将展示解决一个竞赛项目的全过程。如有错误，请指正！1、Kaggle简介 Kaggle是一个数据分析的竞赛平台，网址：ht
本文不包含Kaggle的入门步骤，如何上传数据集，如何选择GPU自行学习 文章目录*开头的话*一、Kaggle的使用1、**为什么选择Kaggle**2、Kaggle的操作难度二、Yolox代码的更改1.train.py更改2.callbacks.py部分更改3、训练数据的路径更改4、正式训练*末尾的话* 开头的话本文所用yolox的代码来自bubbliiing的pytorch yolox项目 链
转载
2024-01-10 23:01:55
160阅读
1、kaggle在output上运行（可以从kaggle上查看因为input只能读，所以再output上运行再执行：import torch
print(torch.__version__) # 查看torch当前版本号
print(torch.version.cuda) # 编译当前版本的torch使用的cuda版本号
print(torch.cuda.is_available()) #
