Урок 12. Ансамбли. Оптимизация инференса.

Менторство: https://datamentor.tech Плейлист: https://www.youtube.com/playlist?list=PLM1eX35Zh4llykgGAjZAZ9g46w1eemTH4 Доска: https://link.excalidraw.com/readonly/Pmow4NhI20WIUm5oPgJm ТАЙМКОДЫ 00:00 Введение 00:51 Общие сведения про ансамбли 01:47 Из чего складывается качество ансамбля 03:59 Методы ансамблирования --- 04:04 Voting --- 04:21 MaxProb --- 04:42 Blending --- 05:17 Bagging --- 05:45 Stacking --- 07:50 Custom --- 10:10 Fallback 11:35 Инферес --- 12:17 Test time augmentation (TTA) --- 15:20 Distribution matching 17:48 Оптимизация инференса --- 19:12 Multiprocessing --- 19:23 Использование модели без артефактов --- 20:27 Инференс на GPU --- 20:50 Инференс на батчах --- 21:22 Precompute --- 21:51 Кэширование --- 22:24 Выключить градиенты 22:50 Model conevrtion --- 23:04 Open neural networ exchange (ONNX) --- 23:55 torch.jit --- 24:22 tflite --- 25:25 TensorRT --- 25:50 OpenVINO --- 22:57 CoreML --- 26:05 TVM & Summary --- 26:44 XLA 27:01 Итоги Данный курс по машинному обучению преследует следующие цели: - Переосмыслить базовые подходы. - Сократить гэп между теорией и практическим опытом. - Изучить продвинутые подходы. - Структурировать воедино все эти знания. - Получить удобную шпаргалку для реальных проектов. Он будет полезен тем, кто уже знает базовые вещи в ML и DL и хочет структурировать знания и погрузиться в более сложные темы.