Key points are not available for this paper at this time.
Neste artigo, investigo o efeito da seleção de sementes aleatórias ao usar arquiteturas populares de aprendizado profundo para visão computacional. Utilizo uma grande quantidade de sementes (até 10⁴) no CIFAR 10 e também escaneio menos no Imagenet usando modelos pré-treinados para investigar grandes conjuntos de dados. As conclusões são que, mesmo que a variância não seja muito grande, é fácil encontrar um outlier que apresenta um desempenho muito melhor ou muito pior que a média.
David Picard (qui,) estudou esta questão.