baseline与pipeline的区别

BaseLine

你训练一个模型,获得了80%的准确率,你觉得很高吗?不能这么说,因为你没有与别人的东西作对比。也就是说“something else”就是baseline。你使用已经存在的流行的算法作为baseline,baseline的选择取决于你的目的,我们的最终目标是超越baseline,如果你的算法模型训出来比baseline的acc要高,或者其他的指标如训练的时间,预测的时间,内存使用率等等要更好,那么就可以说你超越了baseline,换句话说,你自己的算法模型训练结果就是一个baseline。

PipeLine

举个例子,在自动驾驶汽车研发的过程当中,我们需要不断获取数据,设计算法,改进网络,把camera获取到的实时视频拿给算法模型去训练,得到loss,再不断循环训练,不断喂新的数据进来,我们最终可以得到一个模型,在汽车实地跑的时候,可以通过inference把结果显示在车载screec上。

所以这一整个框架流程,从输入数据输入给算法模型去训练,最终把得到的输出模型用在实际的生活当中得到perform——这个过程就是pipeline。

发布了208 篇原创文章 · 获赞 209 · 访问量 28万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 技术黑板 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览