1樓：
alias ma='mail(); mail'
python train.py ; ma
好了叫我
2樓：
如果是幾個小時的話當然是幹別的去了，
但經常要看看第乙個iteration有沒有問題，大概十幾二十分鐘的樣子。
開一把農藥正合適
3樓：
做自己的事啊。一般跑程式的是專門的電腦，和你普通用的不是乙個電腦。向我是乙個學生，我們實驗室跑程式都是專門的電腦，更不用說公司了。
4樓：無人與我立黃昏
在你訓練模型的時候，如果時間長一點幾個小時那你可以做一些其他的事情，如果時間比較短你可以靜下心來回想一下自己對這個機器學習模型有沒有不懂得地方，可以網上找一下別人的部落格參考一下，如果都懂的話我覺得你也不會需要一直等到模型訓練好，你可以對模型訓練超引數進行視覺化，訓練過程中儲存，那樣你就可以隨時檢視了，而不需要非得等著，完全可以你啥時候有空啥時候去看，這樣你也能提公升你自己的效率
5樓：Alex 小孫
可以並行別的任務
看一下當前指標顯示系統是否完善，ap,auc之類研究一下訓練過程視覺化
還有想想別的增進方法吧，(網上很多開源方法最後試了的沒什麼效果，但是還是要多試試，畢竟實現工程中也是能力的積累)
6樓：
一般都是離開實驗室之前開始訓練，第二天來看結果，如果訓練時間超過一晚上的話，額……
目前還沒遇到，四塊1080ti一起，一晚上足夠了
如果遇到了我猜我肯定在打遊戲，都累了一天了，得去解解壓
7樓：
基本上這個時候我是做其他一件或兩件事情的
隔一會兒就會看看進度比如是不是有異常或者是不是loss在降低
如果我的模型訓練達到1小時以上基本會想想換思路或者換模型
8樓：就愛吃燒烤
點下回車，首先開始幻想0.99的測試機準確率，然後開始刷手機，想著明天就可以發文章了，接著偷瞄一眼loss，發現事情不太對頭，想終止又想想算了，等等結果吧，然後開始返回頭看引數，怎麼調一調，此時訓練結束了，看到1.0的訓練準確率，0.
6的測試準確率，用調好的引數再一次點下回車，迴圈往復……
9樓：Reflux Ning
我選擇睡覺233一般需要好幾個小時的訓練都是睡覺前掛上，睡醒了看結果～看到結果不行就覺得，一晚上白睡了233
如果快的話會織圍巾~~喜歡那種一邊織圍巾一邊什麼都不想的放鬆的感覺~
另外有時候會在伺服器上訓練著baseline，在自己的電腦上寫新的模型。
機器學習為什麼需要訓練，訓練出來的模型具體又是什麼？
南方的雨 其實和人學習乙個東西是一樣的 比如，乙個沒打過羽毛球也沒啥運動天賦但是力氣特別大的人，想學會怎麼接打高遠球，第一次，教練幫他丟了個球，他啥也不知道對著球使勁一揮，球往上飛老高，但是沒過網，教練告訴他，別往上打，注意角度 第二次，他調整了擊球方向，還是用力一揮，球衝著對面飛過去了，結果太大力...
如何理解機器學習模型中的假設條件？
假設是否合理是根據具體應用環境而定的，在深度學習興起之前，機器學習領域大家的乙個普遍的共識是 一定要對自己的模型做合理的假設，加合理的先驗資訊進去。使用這些模型的時候，再根據自己的問題是否適用來決定。舉個栗子，比如你有一堆資料，用PCA做降維，其中有乙個維度是年齡，內在的概率分布可能是乙個高斯分布，...
訓練好的深度學習模型是怎麼部署的？
資料如琥珀 對於模型比較複雜，個數比較少的，一般會直接部署導docker 裡面。這種情況對於演算法工程師要求比較低，因為演算法基本都會打包docker。如果模型比較簡單，數量比較多，一般就是採用web service，開放API 介面。這種方式演算法組的參與度比較低，一般就是需要開發組介入。對他們來...