А теперь такой вопрос. Что эффективнее: увеличить количество батчей в эпохе (путем увеличения num_samples) или увеличить количество эпох (не меняя num_samples)?
Всю статью меня не покидало ощущение, что это очередная нейросетевая лажа. И benchmark тест pydantic меня в этом очень сильно убедил.
from pydantic import BaseModel
# Пример для V1
class UserV1(BaseModel):
id: int
name: str
email: str
is_active: bool
# Эквивалентный код для V2
from pydantic import BaseModel
class UserV2(BaseModel):
id: int
name: str
email: str
is_active: bool
Автор вообще понимает, что в таком виде - это полная чушь?
Нет, это не про numpy, а про наивный питоновский код. Numpy и так использует все ядра для тяжёлых вычислений, т.к. blas и lapack - сишные библиотеки, то GIL на них не распространяется.
"Стартап-евангелист". А можно как-нибудь поскромнее себя называть? У меня эти линкединовские регалии вызывают только усмешку. А от всей статьи веет дешёвой рекламной журналистикой: много пафоса, самореклама, типичная история успеха.
Ох уж эти длинные тире
Как долго вы размечали данные и какой был объем?
Я думаю, что множество эпох - лучше, т.к. early stopping не даст переобучиться
А теперь такой вопрос. Что эффективнее: увеличить количество батчей в эпохе (путем увеличения num_samples) или увеличить количество эпох (не меняя num_samples)?
Да, как минимум
Всю статью меня не покидало ощущение, что это очередная нейросетевая лажа. И benchmark тест pydantic меня в этом очень сильно убедил.
Автор вообще понимает, что в таком виде - это полная чушь?
Сколько бы я не пытался внедрить Deepseek для моих задач, он всегда был порядок хуже chatgpt.
На смену вайб кодингу пришел вайб анализ данных?
Это будет медленнее по крайней мере из-за сортировки.
Я, видимо, что-то неправильно считаю. Было 184/1017≈18.1%, стало 428/1017≈42%. Прирост точности составил 40 п.п.?
Это статистика от той же компании, что накручивает просмотры видео?
Нет, это не про numpy, а про наивный питоновский код. Numpy и так использует все ядра для тяжёлых вычислений, т.к. blas и lapack - сишные библиотеки, то GIL на них не распространяется.
Не понял. А раньше что, не умел?
"Стартап-евангелист". А можно как-нибудь поскромнее себя называть? У меня эти линкединовские регалии вызывают только усмешку. А от всей статьи веет дешёвой рекламной журналистикой: много пафоса, самореклама, типичная история успеха.
Это какая-то курсовая?
Это тот человек, который уже лет 5 пилит мета вселенную?
Вот бы они ускорили dependency resolution... Иногда по несколько минут все "висит"
Очень интересно какие алгоритмы используются, например, для определения переклейки фотографии
Я не знаю как вам, но, если техлид делает бенчмаркинг и сравнивает результаты по 1 запуску, то для меня это показатель полного непрофессионализма.
Уровень "Средний". Не осилил.