實作紀錄

Tomofun 狗音辨識挑戰賽:初賽資料處理與模型(Top10%)

初賽靠著隊友 Carry 進決賽,決賽的時候主要負責 MLOps 的部份,分成兩篇文章來分別描述一下初賽時我的方法以及決賽時我們怎麼處理多出來的難關 — 在 AWS 上進行 Incremental training。

本實驗的貢獻:沒有用額外的資料集,也沒有 Pre-trained 模型,只將主辦單位提供的資料做 Augmentation & Pseudo Labeling 的技巧, 用 ResNet18 就獲得不錯的 Baseline 成績(Top 10%)。

Code: kehanlu/Tomofun-DogSound-recognition

Tomofun 狗音辨識挑戰賽:初賽資料處理與模型(Top10%) Read More »

Use reveal-md to generate multiple slides and host them on GitHub Page

As a computer science student, most of my presentations require tons of code demo and math equations. Google Slides and Office PPT are not the best option for me. Additionally, I want a convenient way to manage and share my slides.

Recently I use reveal-md to generate reveal.js slide from markdown and serve it on GitHub Page.

In this article:

  • The workflow I use to create my slides
  • Use reveal-md to generate revealjs slides
  • Host multiple static slides on GitHub Page.

Use reveal-md to generate multiple slides and host them on GitHub Page Read More »