- 博客(3)
- 收藏
- 关注
原创 深度学习 随记
依然会过拟合,模型是会记住训练数据的路线,因为固定的数据集顺序,意味着给定迭代步,对应此迭代步的训练数据是固定的。给定权重取值w1、w2和迭代步step的情况下,固定的数据集顺序意味着固定的训练样本,也就意味着权值更新的方向是固定的,而无顺序的数据集,意味着更新方向是随机的。对比一下,如果你期望的是预测任意出现的新sample,那么打乱训练数据阻隔本身顺序相关性理所当然,如果期望预测有序出现的新sample,那么保持顺序信息是必须的。如果一个batch包含了全部的训练样本,打不打乱是没有区别的,为什么呢。
2023-08-28 16:06:06
41
原创 Python零碎小知识随记
1、shape函数是numpy.core.fromnumeric中的函数,它的功能是查看矩阵或者数组的维数。eg:建立一个3×3的单位矩阵Z, Z.shape为(3,3),表示3行3列,第一维的长度为3,第二维的长度也为3>>> Z = eye(3) >>> Z array([[ 1., 0., 0.], [ 0., 1., 0.], [ 0., 0., 1.]]) >>> Z.s
2022-01-19 02:50:42
855
原创 2021-11-11 Print中的f有什么用?
当print字符串时,括号前面加f表示格式化字符串,加f后可以在字符串里面使用用{ }括起来的变量和表达式,如果字符串里面没有表达式,那么前面加不加f输出应该都一样。例如:print(f"Name:{repo_dict['name']}")>>>Name:public-apis如去掉fprint("Name:{repo_dict['name']}")>>>Name:{repo_dict['name']}...
2021-11-11 11:59:35
3866
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人