sergio-ltr / beyond-backprop Goto Github PK

Per ogni algoritmo e implementazione presa in cosniderazione, creare un notebook python contenente un ciclo di traning e inferenza (senza ricerca degli iperparametri?) su ognuno degli algoritmi presi in cosiderazione

Creare una presentazione dove sintetizzare i clues di ognuno degli algoritmi presi in considerazione: intuizione, equaizioni principali, architetture supportate, e pregi e difetti generali.

Max due slides per algoritmo.

Tralasciare (per ora) i dettagli sperimentali degli articoli

Esporre, per ogni algortimo, una funzione "unificata" che, dato un task/dataset (già diviso) ed un'architettura (per ora sempre la stessa, di default), esegua traning e valutazione, restituendo il valore di una metrica (sceglierne una di default per ora, i.e. MSE) ed eventualmente della loss (anche durante il training)