机器学习
文章平均质量分 92
啥哈哈哈
这个作者很懒,什么都没留下…
展开
-
AutoML: 自动调参工具Ray tune
Ray TuneRay Tune 是一个标准的超参数调优工具,包含多种参数搜索算法,并且支持分布式计算,使用方式简单。同时支持pytorch、tensorflow等训练框架,和tensorboard可视化。超参数神经网络结构搜索(层数、节点数、类型、连接方式)学习率optimizerloss weight…使用方法安装:pip install ray torchvisionpytorch 集成tune到pipelineclass-based ray.tune.Trainabl原创 2021-04-14 10:11:00 · 1428 阅读 · 0 评论 -
神经网络fully_connected层的forward 和backward实现
接着上篇tensorflow compute graph的理解,其中operation node 需要给运算定义forward 和backward函数。这篇中我们实现一个简单的fully_connected layer的forward 和backward 函数:class fullyconnect(Operation): def __init__(self, x, w, b):...原创 2019-08-14 17:05:32 · 1274 阅读 · 0 评论 -
tensorflow 中计算图理解
tensorflow计算图 计算图是对有向图的表示,主要包含点和边;tensorflow使用计算图计算,计算图的点对应于ops,variables,constant,placeholder等,边对应于Tensors。因此tensorflow主要包含两个部分:构建计算图和runtime运行计算图。为什么要用计算图?并行化,因为计算图是对计算的一种抽象,点之间的关系取决其依赖关...原创 2019-08-13 21:43:49 · 2151 阅读 · 0 评论 -
使用mpld3
在无图形界面的linux系统中,想要用matplotlib,如何实现?---mpld3 是matplotlib 和 javascript D3js 得到的可以在网页上绘图的工具。转载 2018-05-24 16:33:17 · 1531 阅读 · 1 评论 -
finetuning出现问题: loss 为Nan的情况
1.数据中本身是否包含Nan 的数据2. 计算过程是否可能出现 除数是0 的情况 或 log(0) 情况等原创 2018-05-24 14:36:07 · 860 阅读 · 0 评论 -
问题:显卡占用高,但使用率低
cuda_visible_devices 设置可见gpu,但是会将整个gpu占满,Gpu的实际使用率很低。使用tf.configproto.gpu_optional.allow_growth属性设为True时就可以文明使用gpu。数据读取满,影响计算速度...原创 2018-05-08 13:18:09 · 16833 阅读 · 0 评论 -
理赔预测
分析各个变量对理赔的影响:import pandas as pdfrom scipy import statsimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsdef anova(frame,qualitative): anv=pd.DataFrame() anv['feature...原创 2018-04-12 17:51:33 · 647 阅读 · 0 评论 -
SLAM 学习
Simultaneous localization and mapping(同时定位于建图)分为:激光雷达和视觉传感器两个方向。视觉传感SLAM包括单目SLAM,双目SLAM和以kinect为代表的景深摄像头的RGBDSLAM。主要包含三个任务:定位、建模、运动规划。框架:视觉里程计算:利用一个图像序列或者一个视频流,计算摄像机的方向和位置的过程。一般包括图像获取后、畸变校正、特征检测匹配或者直接...原创 2018-02-28 11:38:54 · 216 阅读 · 0 评论 -
网络结构---从alexnet到resnet, rcnn 到mask rcnn
pretrained 网络结构AlexNet-> vgg vgg 采用更小的卷积核,加深网络深度,但两者的共同点都是卷积层+pooling层最后接上fc 层的结构Network in network ->googleNetNIN 中采用global average pooling ,而不是使用 fc 层,减少了网络参数,googlenet是在网络中加入inc原创 2017-11-14 14:53:47 · 554 阅读 · 0 评论 -
Clustering by Passing Messages Between Data Points
Clustering by Passing Messages Between Data Points聚类算法是初始化聚类,然后进行迭代,但只有当初始化合适的情况下,才能得到最优解。我们聚类的一般方法:在一组数据中寻找K个中心,使数据点与它们最近中心点之间的平方差的和最小。较常用的K-Centers方法必须人工指定K值。算法在数据集中随机选择K个点作为初始中心点,反复提纯以使平方差之和减小。K-Ce原创 2015-11-16 22:09:58 · 3256 阅读 · 1 评论 -
Clustering by fast search and find of density
Clustering by fast search and find of density-这是science 上2014年5月的一篇文章,主要的思想就是聚类中心点的选择。 在kmeans的方法中,我们随机生成种子点进行迭代。此方法是先用密度峰值来确定聚类中心,确定聚类中心之后,得到距离近的点为同一类。 此方法有两个计算的要点局部密度与高密度点的距离 matlab实现 clear;clc;原创 2015-11-11 22:42:00 · 571 阅读 · 0 评论 -
聚类算法
k-means ,层聚类,GMM,谱聚类,chameleon, AP原创 2015-11-10 17:47:27 · 534 阅读 · 0 评论