Ik implementeer en reproduceer jouw machine learning paper in PyTorch
Over deze dienst
Wil je dat een machine learning-paper omzet naar werkende PyTorch-code en wil je controleren of de resultaten daadwerkelijk standhouden? Ik implementeer de methode uit het papier, train het model en vergelijk mijn cijfers met die uit het papier.
Ik ben AI-onderzoeker bij DGIST (Zuid-Korea) en werk aan CNNs, vision transformers en continual learning.
Recente voorbeeld: ik reproduceerde Deep Mutual Learning (CVPR 2018) op CIFAR-100. Het papier meldt een winst van +2.20 / +1.76 punten, en mijn reproductie gaf +2.22 / +1.60. Ik vond ook een typefout in de resultaatentabel van het papier.
Wat je krijgt:
- Schone, commentaarcode in PyTorch die de formules en het algoritme uit het papier volgt
- Trainingsrondes met checks en logs
- Een rapport waarin mijn resultaten worden vergeleken met de tabellen uit het papier, inclusief eventuele verschillen en waarom die ontstaan
- Precieze instellingen zodat jij alles opnieuw kunt draaien
Kleine papers (CIFAR-schaal visie, distillatie, continual learning) draaien op mijn eigen GPU. Grotere papers: voeg de Cloud GPU-extra toe en huur ik een grotere cloud-GPU (bijv. A100), zodat grotere modellen en datasets mogelijk zijn.
Stuur me alsjeblieft de paper-link voordat je bestelt, zodat ik scope en rekenkracht kan bevestigen.
Programmeertaal:
Python
Tools:
Jupyter-notitieboek
Frameworks:
Scikit-learn
•
PyTorch
Veelgestelde vragen
Automatische vertaling
Wat als mijn resultaten niet overeenkomen met het papier?
Je krijgt nog steeds een eerlijk rapport waarin staat waar de cijfers verschillen en de waarschijnlijke oorzaken (ontbrekende details, willekeur, wijzigingen in het framework). Ik pas cijfers nooit aan om ze aan het papier te laten voldoen.
Welke rekenkracht gebruik je?
Mijn eigen RTX 4060 (8 GB GPU-geheugen, 16 GB RAM) voor CIFAR-schaal werk, zonder extra kosten. Voor grotere papers voeg ik de Cloud GPU-extra toe en huur ik een A100-klasse cloud-GPU. Ik geef de uren vooraf door. Je kunt me ook toegang geven tot jouw eigen GPU-server.
Doe je ook coursework of scripties?
Nee. Deze dienst is bedoeld voor onderzoekers, startups en engineers die een publieke methode willen evalueren of erop willen voortbouwen.
