higgsml:希格斯玻色子机器学习挑战的获胜解决方案

这是在上的希格斯玻色子机器学习挑战的获胜解决方案。 电池说明包括分发 对于比赛，必须提交一个包含所有库的 zip 文件，并准确地重现提交的结果。 本节中的说明与此相关。 获胜的提交是一袋 70 个 dropout 神经网络，并花了一天时间在双精度模式下在 GTX Titan GPU 上进行训练。 预测花了大约一个小时。 我的测试表明 8-16 个神经网络的性能非常接近 70，所以这可能是一种矫枉过正。 先决条件 需要的东西总结： NVIDIA CUDA 工具包（使用 5.5.22 测试，构建 331.67） CUDA 卡，最好是 Titan（双精度模式）或更好 重建可执行文件，SBCL（Common Lisp 编译器） 24GiB 内存 大约 4GiB 的磁盘空间 让我们看看为什么需要这些东西。 CUDA 卡和 NVIDIA CUDA Toolkit 是先决条件，因为 dropo