解决train = np.nan_to_num（train.astype(np.float32))报错

最新推荐文章于 2024-07-18 15:53:23 发布
最新推荐文章于 2024-07-18 15:53:23 发布
阅读量151 收藏
点赞数
文章标签： 人工智能 机器学习 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_63054020/article/details/131987579
版权

在做Give me some credit时遇到的，意思是处理的数据里有很多事小数点超过7位的小数，所以不好用float32处理了，我看网上有人说了下面这个方法，我试了试可以的

data= np.nan_to_num(data.astype(np.float32))

海边菠萝
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pandas numpy-替换数据
ponytai1的博客
07-19 1149
在对数据清理时经常需要对数据进行替换 方法1.将df表格中的指定数据替换为0.0 # df替换指定元素，将空数据填充为0 df = df.replace(['NR'], [0.0]) 方法2.将np中空值变为0 x_train = np.nan_to_num(x_train) x_val = np.nan_to_num(x_val) y_train = np.nan_to_num(y_train) y_val = np.nan_to_num(y_val) ...
tensorflow训练时 loss在某个batch变为nan
shiny0910的博客
01-16 1243
1. 查找数据，训练数据或标签是否有nan 最好先做这部筛查，不然白费功夫。说来惭愧，试了如下N种策略，还是有nan，于是开始查找数据的问题，果然有一波数据中有nan的值。 import numpy as np if (np.any(np.isnan(items))):        print(items) #把nan的值变为0，其余不变 items = np.nan_to_num(...
np.nan_to_num
AWhiteDongDong的博客
08-12 1918
该函数的作用：用零替换NaN，用最大的有限数替换无穷大 如果“x”不精确，则NaN由零代替，无穷大和-无穷大分别由可由“x . dt type”表示的最大和最负的有限浮点值代替。 代码如下： np.nan_to_num(np.inf) #1.7976931348623157e+308 np.nan_to_num(-np.inf) #-1.7976931348623157e+308 np.nan_to_num(np.nan) #0.0 x = np.array([np.inf, -
numpy—np.nan_to_num
柳杰的博客
01-26 1万+
numpy.nan_to_num(x, copy=True, nan=0.0, posinf=None, neginf=None) 描述 用零和大的有限数替换NaN(默认行为) 或者用户使用nan、posinf和neginf关键字来定义数字 参数 x : scalar or array_like 输入数据 copy : bool, optional if True,则创建x的副本 if False,则在原对象上替换 nan : int, float, optional 用于填充NaN值的值。
多层感知机MLP实现分类常见问题，及二分类示例
一起躺躺躺的博客
11-03 2876
就跟着代码的顺序说问题。
解决Tensorflow2.0 tf.keras.Model.load_weights() 报错处理问题
09-16
然而，在实际操作中，可能会遇到一些报错，本文将针对这些问题提供解决方案和相关知识。 首先，让我们回顾一下报错的场景： 1. 模型保存： ```python model.save_weights('./model.h5') ``` 2. 重新启动脚本并...
ActionTubes-master.rar_Links_heartbj7_train_jhmdb.m
07-14
Action Tubes train_svm/compute_tubes.m scores and links detections to create the final action tubes annot: source of boxes, `jhmdb_motion... rcnn_model: the models as computed by train_jhmdb.m
titaniccsv.zip_Titanic.csv_kaggle数据集_titanic训练集_train.csv_train.
07-13
数据挖掘训练集 泰坦尼克 kaggle 训练集 超级好用
pd_split_train_test.rar_pandas_pandas对数据分类_pd.split_split_数据分类
09-20
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=test_size, random_state=random_state) # 现在X_train和y_train是训练集，X_test和y_test是测试集 ``` 通过上述方法，你可以有效地将数据...
bp_train.rar_train_神经网络 matlab
09-24
标题中的"bp_train.rar_train_神经网络 matlab"表明这是一个关于使用MATLAB实现BP（Backpropagation，反向传播）神经网络训练的项目。BP神经网络是一种广泛应用的多层前馈网络，常用于函数拟合、分类和预测问题。在...
卷积神经网络训练时候出现nan错误
zehuawong的博客
02-28 7500
http://www.mamicode.com/info-detail-2167712.html 学习率设置为0.001时候出现了loss=nan错误 将学习率设置为0.0001后 1.问题一;训练CNN的时候出现nan CNN是我最开始接触的网络，我的研究课题就是利用CNN，LSTM等网络对人体动作做识别。动作数据来源于手机的加速度计，做动作的人在固定位置携带手机并做特定动作，实验人员接收手机的...
python神经网络训练损失率nan_神经网络训练时出现nan错误
weixin_39797324的博客
12-05 627
现在一直在用TensorFlow训练CNN和LSTM神经网络，但是训练期间遇到了好多坑，现就遇到的各种坑做一下总结1.问题一;训练CNN的时候出现nanCNN是我最开始接触的网络，我的研究课题就是利用CNN，LSTM等网络对人体动作做识别。动作数据来源于手机的加速度计，做动作的人在固定位置携带手机并做特定动作，实验人员接收手机的加速度计数值并打上特定的动作标签。在训练CNN网络时一共遇到两处坑，一...
基于矩阵分解的电影推荐算法（使用Tensorflow实现）
crb的博客
07-23 9061
#!/usr/bin/env python # -*- coding:utf-8 -*- # 文中部分参考了： # https://blog.csdn.net/u012845311/article/details/77183491 # 改进：要划分训练集和测试集，并在进行模型评估阶段，可参考之前做过的协同过滤推荐系统中的， # 通过prediction[ground_truth.nonzero(...
卷积神经网络中loss值为nan的问题（已解决）
热门推荐
gaoyue5511的博客
09-04 1万+
卷积神经网络中loss值为nan的问题 最近一直在学习AI方面的东西。想自己搞一个类似MINST的东东，用搞基神经网络 ，样本用自制的样本……然鹅理想是骨感的，现实是永远吃不上饭的。经过与各种错误轮战后，出现了更大的错误：loss为nan 先上代码吧，比较乱，建议摘了眼镜看： 首先是整体代码： import os import glob from skimage import io,...
揭示生成式 AI 在数据叙事和分析中的影响
gongdiwudu的专栏
07-16 1107
在广阔的数据分析领域，改变游戏规则的最深刻的发展之一是生成式人工智能 （GAI）。这是一个激动人心的时刻，人工智能不仅仅是基于历史数据进行处理和预测;它正在创造一些全新的东西，彻底改变数据叙事和分析过程。在最近的一次会议中，我有机会探讨了这项技术创新的基本原理、架构和潜在影响。以下是我们介绍的内容的简明摘要。
python训练模型报错：BrokenPipeError: [Errno 32] Broken pipe
最新发布
Dxy1239310216的博客
07-18 273
如果问题持续存在，并且你的项目不是必须在 Windows 上运行，考虑在 Unix/Linux 系统上运行你的代码。确保在数据加载器中使用的任何自定义函数或类都是可序列化的，因为多进程需要能够在不同进程间传递它们。进行多进程数据加载时尤其常见，尤其是在 Windows 系统上，因为 Windows 对多进程的支持与 Unix/Linux 系统有所不同。有时候，错误可能是由其他部分的代码引起的，而不是直接由数据加载器引起。如果问题依然存在，你可能需要更详细地检查你的代码或寻求更专业的帮助。
园区道路车辆智能管控视频解决方案，打造安全畅通的园区交通环境
TSINGSEE青犀视频官方技术博客
07-16 812
AI智能分析网关V4消防通道占用算法基于人工智能视觉分析技术，通过摄像头实时监测识别是否有机动车违规停放在消防车通道上，并及时提醒管理人员进行处理。
data00=data m,n = np.shape(data00) a = np.array(data00) Data00 = a[1:m,2:n] Data00 = Data00.astype(np.float64) Power = Data00[:,13] Power_train = Power[0:96] P_min = np.min(Power_train) P_gap = np.max(Power_train)-np.min(Power_train) Power_uni = (Power-P_min)/P_gap # 提取imfs和剩余信号res emd = EMD() emd.emd(Power_uni) imfs, res = emd.get_imfs_and_residue() N = len(imfs) P_H = np.sum(imfs[0:6,:],axis=0) P_M = np.sum(imfs[6:12,:],axis=0) P_L = res P_H =np.expand_dims(P_H,axis=1) P_M =np.expand_dims(P_M,axis=1) P_L =np.expand_dims(P_L,axis=1) Nwp = Data00[:,0:7] Nwp_train = Nwp[0:96] N_min = np.min(Nwp_train,axis=0) N_gap = np.max(Nwp_train,axis=0)-np.min(Nwp_train,axis=0) Nwp_uni = (Nwp-N_min)/N_gap#(N,7) Weather = Data00[:,7:13] Weather_train = Weather[0:96] W_min = np.min(Weather_train,axis=0) W_gap = np.max(Weather_train,axis=0)-np.min(Weather_train,axis=0) Weather_uni = (Weather-W_min)/W_gap#(N,6) 优化代码
06-01
以下是部分代码的优化建议： 1. 对于以下代码段： ``` a = np.array(data00) Data00 = a[1:m,2:n] ``` 可以合并为一行： ``` Data00 = np.array(data00)[1:m,2:n] ``` 2. 对于以下代码段： ``` P_H = np.sum(imfs[0:6,:],axis=0) P_M = np.sum(imfs[6:12,:],axis=0) P_L = res P_H =np.expand_dims(P_H,axis=1) P_M =np.expand_dims(P_M,axis=1) P_L =np.expand_dims(P_L,axis=1) ``` 可以使用 `np.newaxis` 替代 `np.expand_dims` 来实现： ``` P_H = np.sum(imfs[0:6,:],axis=0)[:, np.newaxis] P_M = np.sum(imfs[6:12,:],axis=0)[:, np.newaxis] P_L = res[:, np.newaxis] ``` 3. 对于以下代码段： ``` N_min = np.min(Nwp_train,axis=0) N_gap = np.max(Nwp_train,axis=0)-np.min(Nwp_train,axis=0) Nwp_uni = (Nwp-N_min)/N_gap#(N,7) ``` 可以使用 `np.ptp` 函数（peak-to-peak）来计算最大值和最小值的差： ``` N_min = np.min(Nwp_train,axis=0) N_gap = np.ptp(Nwp_train,axis=0) Nwp_uni = (Nwp-N_min)/N_gap#(N,7) ``` 4. 对于以下代码段： ``` Weather = Data00[:,7:13] Weather_train = Weather[0:96] W_min = np.min(Weather_train,axis=0) W_gap = np.max(Weather_train,axis=0)-np.min(Weather_train,axis=0) Weather_uni = (Weather-W_min)/W_gap#(N,6) ``` 可以使用与第三个优化建议类似的方法： ``` Weather = Data00[:,7:13] Weather_train = Weather[0:96] W_min = np.min(Weather_train,axis=0) W_gap = np.ptp(Weather_train,axis=0) Weather_uni = (Weather-W_min)/W_gap#(N,6) ``` 当然，以上只是一些简单的优化建议，具体的优化效果还需要根据实际情况进行评估。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值