data augmentation is really all you need, huh? https://twitter.com/nyutandon/status/1339333251522031617 …pic.twitter.com/MLH6Ulp3JE
-
Not true. Architectures are more useful for encoding "equivariances", eg - convolutions for translation equivariance. Invariances are still best encoded through data. We don't build invariances to lighting conditions, weather in an "architecture". Task and data distill those.
Check out this paper: https://homes.cs.washington.edu/~pedrod/papers/nips14.pdf …
-
-
Thanks Prof. for the reference. Looks interesting. Have you tried to scale this to large datasets like ImageNet?
Kiitos. Käytämme tätä aikajanasi parantamiseen. KumoaKumoa
-
Lataaminen näyttää kestävän hetken.
Twitter saattaa olla ruuhkautunut tai ongelma on muuten hetkellinen. Yritä uudelleen tai käy Twitterin tilasivulla saadaksesi lisätietoja.