![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
dream--coder
这个作者很懒,什么都没留下…
展开
-
《python深度学习》第三章神经网络入门
神经网络入门主要从例子入手,实现向量数据的分类和回归问题。一、神经网络的剖析 神经网络的四个方面: (1)层:多个层组合形成网络(模型),将一个或多个输入张量转换为一个或多个输出张量,大多数层都有权重(利用随机梯度下降学到的一个或多个张量,包含网络的知识)。注意:不同的张量格式和不同的数据处理类型要用到不同的层。例如:(samples, features)2D张量通常使用全连接层Dense来处理...原创 2020-11-24 15:31:55 · 904 阅读 · 0 评论 -
深度学习模型每次的精度等指标不太一样,原因是什么?如何完整的复现?
http://www.sohu.com/a/150686946_116235作者:崔静闯神经网络算法利用了随机性,比如初始化随机权重,因此用同样的数据训练同一个网络会得到不同的结果。初学者可能会有些懵圈,因为算法表现得不太稳定。但实际上它们就是这么设计的。随机初始化可以让网络通过学习,得到一个所学函数的很好的近似。然而, 有时候用同样的数据训练同一个网络,你需要每次都得到完全相同的结果。例如在教学和产品上。在这个教程中,你会学到怎样设置随机数生成器,才能每次用同样的数据训练同一网络时,都转载 2020-11-23 15:38:44 · 3885 阅读 · 0 评论 -
tensorflow2 中tensor转为numpy,或者查看tensor中的变量值
在处理模型的损失或者根据模型的输出我们可能会做一些其他的numpy操作,但是通常模型中出来的都是tensor类型。使用tensorflow2.3 tensor直接转numpy遇到了各种坑,网上的一些教程都是tensorflow1的,都不适用。踩坑之旅来了:目前没有用直接转的方式,经过测试通过Session的方式是可以的。第一种使用withimport tensorflow as tfTest = tf.Variable(10, dtype=tf.int32) with tf.c原创 2020-11-06 18:09:56 · 1552 阅读 · 1 评论 -
评估指标-均方误差(MSE)、平均绝对误差(MAE)3D张量、2D张量、向量之间的计算区别(代码解释)
在建立模型的损失函数时,直接使用的tensorflow keras自带的MSE函数,传入的是3D张量,但是在训练的过程中,报错ValueError: operands could not be broadcast together with shapes。查了形状方面不匹配,但是我把模型结构图片展示出来,并没有发现形状上有什么不对。考虑到是fit函数训练时出错,新加的代码只有损失那边,由于我的数据是时间序列数据所以输入时3D张量(samples, time_step, features),模型的输出也是原创 2020-11-02 14:42:22 · 2447 阅读 · 0 评论 -
从计算机小白到机器学习入门及成长
只作为相关资料的记录,怕以后找不到原文,所以贴上了网站,感兴趣的可以去看看。PRML为何是机器学习的经典书籍中的经典? - Luau Lawrence的回答 - 知乎 https://www.zhihu.com/question/35992297/answer/67009652...转载 2020-04-23 21:35:14 · 141 阅读 · 0 评论