![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
Mr_deadline
这个作者很懒,什么都没留下…
展开
-
训练集、测试集、验证集,以及数据集切分代码
区别一下三个概念:训练集:顾名思义,用于训练模型,调整网络中的权值、偏差等参数测试集:对模型能力进行评估,调整学习率等超参,使模型效果达到最优验证集:对模型训练完全无影响的数据,评估模型泛化能力一般划分比例3:1:1假设数据集如上一篇博文所定义的格式:零基础自定义数据集入门示例内容为【时间,数据1,数据2,数据3】的列表 dataset = mydataset() features = dataset[:][0] labels.原创 2021-02-22 00:03:38 · 3197 阅读 · 0 评论 -
零基础自定义数据集入门示例
总结一个简单的自定义数据集示例假设数据文件存储在path中的txt文件中,内容为【时间,数据1,数据2,数据3】的列表对应的标签存在label.txt中from torch.utils.data import Dataset# 自定义数据集,继承自Dataset类# 必须包含__init__,__getitem__,__len__三个功能class mydataset(Dataset): #初始化,调用自定义函数从文件中读入数据 def __init__(self,pa原创 2021-02-17 20:31:37 · 429 阅读 · 0 评论 -
零基础LSTM入门示例
最近用pytorch搭了个LSTM模型,由于博主两个都没基础,所以查来查去兜了不少圈子,干脆总结一个极简的LSTM代码示例,供参考仅使用了torch.nn.Module自定义模型随便挑了accuracy_score作为评估指标以及,特征和标签是随便打的,不要指望它收敛ㄟ( ▔, ▔ )ㄏ定义模型结构:import torchfrom sklearn.metrics import accuracy_score#定义需要的模型结构,继承自torch.nn.Module#必须包.原创 2021-02-15 18:50:05 · 767 阅读 · 0 评论