* A2A *
Dado que ha estado trabajando en el aprendizaje profundo durante aproximadamente un año (¡Feliz aniversario!), Espero que se sienta cómodo con un buen marco de aprendizaje profundo. Si no, mira mi respuesta aquí
La respuesta de Gokul Krishnan a ¿Dónde puedo encontrar una introducción directa al aprendizaje profundo?
- ¿Qué países tienen las mejores asignaciones académicas del mundo?
- Cómo reconocer un artículo, documento o libro científico apropiado de pseudocience / mumbo-jumbo
- ¿Cuáles son algunos ejemplos de artículos (con conclusiones incorrectas) que todavía son altamente citados según Google Scholar? (o cualquier otro contador de citas)
- ¿Dónde puedo obtener los mejores ensayos académicos?
- ¿Es Nvivo una buena herramienta para la revisión de literatura? ¿Qué tan eficiente Nvivo puede manejar más de 500 pdf?
Sugiero Lasagne o Keras porque trabajo en Theano y estos muchachos han simplificado mucho la base de código de Theano y tienen un buen envoltorio alrededor de Theano.
Ahora, dependiendo del papel, puede ser entre trivial y una gran tarea de ingeniería.
Si el artículo habla de modificaciones simples como
- Nueva arquitectura de red
- Nueva combinación de hiperparámetros.
- Aplicación de redes bien conocidas (AlexNet, GoogLeNet .etc) en nuevos conjuntos de datos
Debería ser muy fácil de implementar. Simplemente modifique los parámetros y ya está.
Por ejemplo, el innovador documento de ResNet ([1512.03385] Aprendizaje residual profundo para el reconocimiento de imágenes) se incluye en esta categoría.
El segundo tipo de papel puede ser un poco más complicado y, en este caso, es posible que tenga que modificar el código fuente subyacente (escriba un código Theano si está trabajando en Keras o Lasagne, por ejemplo). El documento de red en una red ([1312.4400] Red en red) se incluye en esta categoría. Esta es un área gris y algunos marcos no requieren modificación, mientras que otros pueden necesitarla.
Tercer tipo, el documento habla sobre un tipo completamente nuevo de DNN que ningún marco admite todavía (no se preocupe, pronto lo harán). El sorprendente Q-Learner de Google DeepMind que jugó juegos de Atari a un nivel casi humano es un ejemplo ([1312.5602] Jugar a Atari con Deep Reinforcement Learning). En este caso, puede leer el código asociado (si el documento es de una empresa, es posible que no distribuyan libremente el código) y usarlo como punto de partida para su implementación. O implementar desde cero. En este caso, si está utilizando Python, Theano sería su mejor amigo. Simplifica gran parte del esfuerzo de ingeniería involucrado en la implementación de un DNN. Tensorflow de Google, Torch de FAIR también son buenos.
PD: Si realmente está intentando implementar un documento, ¿por qué no lo hacemos juntos? puedes enviarme un correo electrónico a [correo electrónico protegido] 🙂
