本文将利用TorchVisionFasterRCNN预训练模型，于Kaggle:全球小麦检测(https://www.kaggle.com/c/globalwheatdetection)🌾上实践迁移学习中的一种常用技术：微调（finetuning）。本文相关的KaggleNotebooks可见：TorchVis

好买网www.goodmai.comIT技术交易平台使用VGG模型进行猫狗大战大赛简介Kaggle中的猫狗大战竞赛题目。在这个比赛中，有25000张标记好的猫和狗的图片用做训练，有12500张图片用做测试。这个竞赛是2013年开展的，如果你能够达到80%的准确率，在当年是一个stateoftheart的成绩。数据准备在这里其实出了问

(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~)昨天Kaggle新上了一个关于图像识别的比赛，GoogleAI发起了地域包容性图像识别竞赛（InclusiveImagesCompetition），旨在探索图像识别在数据采集地域分布不一致的情况下模型的包容性（Inclusive）。众所周知，正是由于类似ImageNet这样的大规模

点击上方蓝色字体关注公众号这周两篇文章：1机器学习是万能的吗？AI落地有哪些先决条件？(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI3NTkyMjA4NA%3D%3D%26mid%3D224748

Kaggle比赛入门新手教程（房价预测案例：前篇）Kaggle房价预测全流程详解竞赛链接与背景介绍竞赛代码解析导入工具包数据加载数据预处理异常值初筛标签值对数

作者：VardanAgarwal编译：ronghuaiyang导读深入研究所有不同EfficientNet结构的细节。我在一个Kaggle竞赛中翻阅notebooks，发现几乎每个人都在使用EfficientNet作为他们的主干，而我之前从未听说过这个。谷歌AI在这篇文章中：https://arxiv.org/ab

前言从去年11月下旬开始入坑机器学习，到现在也已经有半年了，一开始就是学习机器学习理论方面的知识，但是学到两三个月的时候总觉得没点实际操作，所以感到知识点很空洞。自己是自学机器学习的，周围又没有实际项目可以做，能拿来练手的恐怕只有各种数据算法竞赛了。今年二月到三月第一次参加了kaggle上的Toxic文本分类比赛，但是由于自身经验严重不足，和理论

解决任何真实问题的重要一步是获取数据。Kaggle提供了大量不同数据科学问题的竞赛。我们将挑选一个2014年提出的问题，然后使用这个问题测试本章的深度学习算法，并在第5章中进行改进，我们将基于卷积神经网络（CNN）和一些可以使用的高级技术来改善图像识别模型的性能。大家可以从https://www.kaggle.com/c/dogsvscats/data下载数

使用深度学习进行图像分类解决任何真实问题的重要一步是获取数据。Kaggle提供了大量不同数据科学问题的竞赛。我们将挑选一个2014年提出的问题，然后使用这个问题测试本章的深度学习算法，并在第5章中进行改进，我们将基于卷积神经网络（CNN）和一些可以使用的高级技术来改善图像识别模型的性能。大家可以从https://www.kaggle.com/c/dogsvs