复现共享模型声明受挫？一种解决方案
机器学习
2019-06-26 v2 机器学习
摘要
机器学习（ML）与深度学习（DL）的创新正以极快的速度涌现，以至于模型拥有者与评估者难以从容地分析和研究它们。复杂的评估流程使这一问题雪上加霜。缺乏用于指定和配置 ML/DL 评估的标准系统与高效技术，是这一“痛点”的主因。本文讨论了复现 DL 模型评估时的常见陷阱，并表明这些细微陷阱会影响准确率与性能。随后提出一种补救这些陷阱的方案 MLModelScope，它是一种可重复模型评估的规范以及一个用于配置和测量实验的运行时。我们表明，通过简化模型指定与评估流程，MLModelScope 促进了 ML/DL 创新的快速采纳。
引用
@article{arxiv.1811.09737,
title = {Frustrated with Replicating Claims of a Shared Model? A Solution},
author = {Abdul Dakkak and Cheng Li and Jinjun Xiong and Wen-Mei Hwu},
journal= {arXiv preprint arXiv:1811.09737},
year = {2019}
}