Progress for week 47 (2017)
From Robin
(Difference between revisions)
| Line 10: | Line 10: | ||
** Veldig interesserte i oppgaven min. Tilbudt å komme tilbake med resultater fra eksperimenter (fast en gang i mnd?) Åpne for å hjelpe meg med resultat-tolkning | ** Veldig interesserte i oppgaven min. Tilbudt å komme tilbake med resultater fra eksperimenter (fast en gang i mnd?) Åpne for å hjelpe meg med resultat-tolkning | ||
* Satt opp første eksperiment | * Satt opp første eksperiment | ||
| + | ** Kjørte flere forsøk | ||
| + | *** Første hadde bug som gjorde at det var større sjanse for å finne en path med lavere index gjennom pathnet enn høyere | ||
| + | *** Andre er 500 iterasjoner hvor en path velges tilfeldig | ||
| + | *** Tredje er 600 iterasjoner hvor end-to-end treningen gjøres på de samme modulene som ble funnet i s+s søket | ||
** Samme forsøk som deepmind i innledende eksperiment på pathnet (Binary MNIST) | ** Samme forsøk som deepmind i innledende eksperiment på pathnet (Binary MNIST) | ||
| - | ** Kjørt litt forenklet (pop_size = | + | ** Kjørt litt forenklet (pop_size = 64, acc_threshold = 98%) på 600 iterasjoner [[Martijho-PathNet-Experiments#Search_for_the_first_path.3F| Eksperimentsiden]] |
* Forbedret live visualisering av søket (vise eksempel) | * Forbedret live visualisering av søket (vise eksempel) | ||
* Implementert automatisk generering av graf-plot av pathnet med optimale paths og training_counter. Skrives rett til pdf-filer (vise eksempel) | * Implementert automatisk generering av graf-plot av pathnet med optimale paths og training_counter. Skrives rett til pdf-filer (vise eksempel) | ||
Revision as of 10:33, 29 November 2017
Martin
Budget
- Møte med Epigram
- Finne måte å visualisere et trent pathnet med optimale paths
- Gjøre ferdig kode for "search for first path" eksperimentet
Accounting
- Hadde møte med epigram
- Samme tanker som meg om problemstillingene. Ikke mye ny input å ta med seg.
- Veldig interesserte i oppgaven min. Tilbudt å komme tilbake med resultater fra eksperimenter (fast en gang i mnd?) Åpne for å hjelpe meg med resultat-tolkning
- Satt opp første eksperiment
- Kjørte flere forsøk
- Første hadde bug som gjorde at det var større sjanse for å finne en path med lavere index gjennom pathnet enn høyere
- Andre er 500 iterasjoner hvor en path velges tilfeldig
- Tredje er 600 iterasjoner hvor end-to-end treningen gjøres på de samme modulene som ble funnet i s+s søket
- Samme forsøk som deepmind i innledende eksperiment på pathnet (Binary MNIST)
- Kjørt litt forenklet (pop_size = 64, acc_threshold = 98%) på 600 iterasjoner Eksperimentsiden
- Kjørte flere forsøk
- Forbedret live visualisering av søket (vise eksempel)
- Implementert automatisk generering av graf-plot av pathnet med optimale paths og training_counter. Skrives rett til pdf-filer (vise eksempel)
