fkubota / kaggle-rainforest-connection-species-audio-detection

最近のやったことはこちら(timeline)

url: https://fkubota.github.io/timeline/

github commit

These cards are powered by https://github.com/anuraghazra/github-readme-stats

kaggle-rainforest-connection-species-audio-detection's Issues

descartesにdataを置く

同じファイルに違う鳴き声が入っている割合は？

lossにgapとかいれてみる。

n_class のアサート

wandbに投げるときは、debug=0or1をいれる

これを参考にする
https://github.com/MLHPC/wandb_tutorial

sweep機能実装

• initをutilに書く
• sweepはexp002_run001, exp002_run002のように書く
• data/exp/exp002/run001, のように保存する
• data/ecp/exp002/run001 に上書きしたconfigを保存する

ランダムに学習する

CRNNためす

ここにCRNNのこと書いてた。めっちゃ効くみたいよ。
https://engineering.linecorp.com/ja/blog/dcase2020-challenge/

f1_score, accuracy, lwlrap などの相関関係を見る。early_stoppingの指標を決める。

seed_everything 入れる

ラベルがすべて含まれていれば1、そうでなければ0とする。

TTA, 推論するデータにノイズを加えてその平均値で推論を行なうということをやってみる。

nfftのsweep

debug mode 実装

wandb実装する

hpssを入れて学習

exp015が完全にランダムになっちゃってることがわかったので、再度実験し直す。

test_data 予測部分の実装

背景だけで学習ある程度判別できるのであれば、不得意なクラスはそれで特定するのはどう？

シェルスクリプトから実行してみる

epochの実装

flac ファイルのロード時間の比較

mulit species を持つ recording_idのスペクトログラムをすべて可視化する

metric理解する

yukiさんのlwlrapの評価方法を確認する

あらいさんが言ってたgapとgmpのやつ探す

pandasguiを用意する

図にaccuracyも追加する

docker buildする

t_max - t_min の最大値最小値

ベースライン作成

• 鳥コンペの実装見る
• logとその保存場所を確保
• datasetを作成する
• loadする
• jupyter で教師データ作成できているか確認する
• model loadを作る
• get_funcの名前の変更

mono_to_color の一部にノイズを入れる

confusion matrixの実装

cuda, cpuは自動で選ぶようにする

cropした範囲に別の鳴き声が入っていればどうにかする

pretrainedなし

推論苦手なclass対策を行う

lwlrapの高速化

global ave poolingとglobal max pooling入れる

wandbのパラメータに最後まで実行されたかわかるようなパラメータ入れる

lossにgapとgmpの和を入れる

lwlrapのハックが過去になかったか調べる

profile使って遅くなってる要因を追求する

loguruを使う

accのグラフも書く