深度学习
文章平均质量分 64
bu volcano
跳脱大众思维,认知决定格局
展开
-
元学习 每日学习之路
参考视频添加链接描述元学习:学习如何去学习单任务元学习:往常深度学习流程,现在考虑能否学F?W称为元知识;fw是指适合数据的算法;fθ代表分类模型多任务的元学习算法支撑集用于元训练学习w用的验证集(查询集)数据计算损失用于学习θ分类:基于优化的基于权重的基于模型的基于优化的元学习:在进行参数学习时,不是通过一定的规则(SGD Adam)而是通过学习的方式寻找参数初始化元学习:①外层循环:随机抽取任务进入内层循环②内层循环:选取K个样本,基于随机初始化的θ进行微调 得原创 2022-02-21 17:30:16 · 605 阅读 · 0 评论 -
联邦学习之路
参考视频添加链接描述参考文章添加链接描述一、概念什么是联邦学习?谷歌对于联邦学习的定义是,无需通过中心化的数据,即可训练一个机器学习模型。联邦学习(FL)是一种机器学习设定,其中许多客户端(例如,移动设备或整个组织)在中央服务器(例如,服务提供商)的协调下共同训练模型,同时保持训练数据的去中心化及分散性。联邦学习的长期目标:在不暴露数据的情况下分析和学习多个数据拥有者的数据。(目的:解决数据孤岛)为什么叫“联邦”学习?有什么特点?因为学习任务是通过由中央服务器协调的参与设备(客户端)的松散联原创 2022-02-18 18:10:21 · 1686 阅读 · 0 评论 -
HAR数据集
1.UCI-HAR 数据集介绍1.1基本背景UCI 人类活动识别数据集是以智能手机采集的传感器数据为基础的活动识别,创建于2012年,实验团队来自意大利热那亚大学。这些数据是从30名年龄在19岁到48岁之间的志愿者身上收集的,这些志愿者将智能手机绑在腰间,进行6项标准活动中的一项,通过开发的手机软件记录运动数据。记录的运动数据是来自智能手机(特别是三星Galaxy S II)的x、y和z加速度计数据(线性加速度)和陀螺仪数据(角速度),采样频率为 50Hz(每秒50个数据点)。每名志愿者进行两次活动序原创 2021-12-20 17:08:00 · 5080 阅读 · 2 评论 -
深度学习调参技巧
1.训练误差持续下降,验证误差波动下降训练精度持续下降,验证精度波动下降原因:学习率有可能太大①lr=0.0001220轮Test all Loss: 0.1299 Test Acc: 0.9572![在这里插入图片描述](https://img-blog.csdnimg.cn/6f6b94ea28364b0488ba9fb36758b6eb.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text原创 2021-11-28 12:33:30 · 628 阅读 · 0 评论 -
Fashion_mnist数据集 CNN分类
上一次CNN的作业,供大家参考```python'''-*- coding: utf-8 -*- @Time : 2021/7/26 11:47@Author : Small_Volcano @File : fashion_mnist-cnn.py.py '''import copyimport timeimport torchimport torch.nn as nnimport torch.utils.data as Datafrom torch.optim import Ad原创 2021-08-05 21:23:43 · 324 阅读 · 0 评论