Jan 01, 1970
207 lectures
Un aperçu du paysage des chargeurs de données : résultats numériques, suite.
Trop long; Pour lire
Dans cet article, les chercheurs soulignent que les chargeurs de données sont essentiels à l'amélioration de la formation en ML, en comparant les bibliothèques en termes de fonctionnalités, de convivialité et de performances.Auteurs:
(1) Iason Ofeidis, Département de génie électrique et Yale Institute for Network Science, Yale University, New Haven {Contribution égale} ;
(2) Diego Kiedanski, Département de génie électrique et Yale Institute for Network Science, Yale University, New Haven {Contribution égale} ;
(3) Leandros TassiulasLevon Ghukasyan, Activeloop, Mountain View, Californie, États-Unis, Département de génie électrique et Yale Institute for Network Science, Yale University, New Haven.
Tableau des liens
- Résumé et introduction
- Chargeurs de données
- Montage expérimental
- Résultats numériques
- Discussion
- Travaux connexes
- Conclusion, remerciements et références
- A. Résultats numériques (suite)
A. RÉSULTATS NUMÉRIQUES SUITE.
Dans cette annexe, nous incluons une collection d’intrigues pour lesquelles nous n’avions pas de place dans les pages principales de l’article.
Cet article est disponible sur arxiv sous licence CC 4.0.
L O A D I N G
. . . comments & more!
. . . comments & more!
