IDrandom的专栏

过拟合与欠拟合 Model capacity 当模型的复杂度增强时，模型的表达性也随之增强，以多项式为例 y=β0+β1x+β2x2+...+βnxn+ϵy = \beta_0 + \beta_1x + \beta_2x^2 + ... + \beta_nx^n + \epsilony=β0​+β1​x+β2​x2+...+βn​xn+ϵ 随着阶数的增加，可表示的模型也就越多，模型的表示能力也就越强。 Underfitting model capacity < ground truth train

Keras高层接口 这里所指的均为tf.keras Keras高层API metrics acc_meter = metrics.Accuracy() loss_meter = metrics.Mean() update_state loss_meter.update_state(loss) acc_meter.udate_state(y, pred) result().numpy() pri...

梯度下降 简介 梯度 梯度是一个向量，表示某一函数在该点处的方向导数沿着该方向取得最大值。 gradf(x,y)=∇f(x,y)=(∂f∂x,∂f∂y)=∂f∂xi+∂f∂xjgradf(x,y) = \nabla{f(x,y)} = (\frac{\partial f}{\partial x},\frac{\partial f}{\partial y}) = \frac{\partial f}{...

数据加载 keras.datasets boston housing Boston housing price regression dataset mnist/fashion mnist MNIST/Fashion-MNIST dataset MNIST (x, y), (x_test, y_test) = keras.datasets.mnist.load_data() x.shape...

合并与分割 Merge and split tf.concat [class1-4, students, scores] [class5-6, students, scores] a = tf.ones([4,35,8]) b = tf.ones([2,35,8]) c = tf.concat([a,b], axis=0) c.shape a = tf.ones([4,32,8]) b =...

数据类型 python Data Container list ：消耗大 np.array ：无GPU tf.tensor TF is a computing lib Creat tf.constant(1) # int tf.constant(1.) # float32 tf.constant(2.2, dtype=tf.int32) # error tf.constant(2., dtyp...

fθ:x→yf_{\theta}: x\rightarrow yfθ​:x→y yyy通常可以分为两类：离散或连续 连续时为回归问题 linear regression loss function gradient descent loss surface convex Optimization linear regression linear Regression logistic Regr...

Caffe-》Pytorch Theono-> tf 2017 tf1.x pytorch0.1 2019 tf2.0 tf+keras tf人多，影响大

因为在tf1.6以后官方的tf包都是用AVX编译的，因此如果cpu比较老（1156平台，775平台及更早），都是没这个指令集的，有几个方法可以解决这个问题： 1.使用Docker配置：在windows上显得有点zz，还要先配一个虚拟机，然后上面跑docker，如果要弄notebook还要配置许多其他的东西，我简单了解了下就扔了，我就这么一张卡打游戏，所以就只打算在win上配一下练练而已，不想这么麻...

就只是学习的时候顺手打开一个文档把不会的记录下来，方便查阅，基本是使用上的东西，原理什么的以后再补。 tf.placeholder( dtype, shape=None, name=None ) hint：需要feed_dict喂数据，可以视为Input 用法: x=tf.placeholder(name='X',shape=(X.shape),dtype=tf.float...