撸码小白-CSDN博客

原创 Failed to get convolution algorithm. This is probably because cuDNN failed to initialize

最近在学tf2，训练模型的时候遇到以下错误：解决方案如下（添加以下代码）：physical_devices = tf.config.experimental.list_physical_devices('GPU')assert len(physical_devices) > 0, "Not enough GPU hardware devices available"tf.config.experimental.set_memory_growth(physical_devices[0], Tr

2020-12-28 18:25:48 219

原创 pytorch-自定义5×5卷积核对图片的模糊化操作

这里写目录标题1.1 导入类库1.2 图片处理1.3自定义卷积核1.4 模糊化操作1.5 维度转换1.6 图片保存1.7 最终结果展示（原始图片，5×5滤波器处理图片）①原始图片②经过5×5滤波器处理后的图片1.8 总结1.1 导入类库// An highlighted blockimport torchimport matplotlib.pyplot as pltimport numpy as np# 读取一张图片并进行展示pic=plt.imread('./数据集/taijiling.j

2020-06-10 18:06:47 3353 1

原创机器学习-Python实践Day7（选择算法--算法评估矩阵（回归））

1、算法评估矩阵（回归）（Boston House prise 波士顿房价）1.1、分类算法矩阵1.1.1、平均绝对误差（Mean Absolute Error,MAE）1.1.2、均方误差（Mean Squared Error,MSE）1.1.3、绝对系数（R2）1.1、分类算法矩阵1.1.1、平均绝对误差（Mean Absolute Error,MAE）①导入数据import pand...

2019-01-17 11:19:52 391

原创机器学习-Python实践Day6（选择算法--算法评估矩阵（分类））

1、算法评估矩阵（分类）（Pima Indians 印第安人医疗数据）1.1、分类算法矩阵1.1.1、分类准确度1.1.2、对数损失函数（Logloss）1.1.3、AUC图1.1.4、混淆矩阵1.1.5、分类报告（Classification Report）选择能够展示机器学习算法模型准确度的评估矩阵，是比较和选择算法模型最好的方式。分类和回归有不同的评估矩阵。1.1、分类算法矩阵1.1...

2019-01-16 18:20:15 670 1

原创机器学习-Python实践Day5（选择算法--分离数据集）

1、分离数据集（Pima Indians 印第安人医疗数据）1.1、分离训练数据集和评估数据集1.2、K折交叉验证分离1.3、弃一交叉验证分离（N-1折交叉验证）1.4、重复随机分离评估、训练数据集分离分离数据集的意义：在评估算法准确度的时候，为什么不直接使用全量样本数据作为评估模型的数据集？最直接的原因是在训练模型的时候，使用了一部分或全量样本数据；评估的时候，再次用全量数据去做评估的时...

2019-01-16 16:50:01 1200

原创机器学习-Python实践Day4（特征工程--数据特征选定）

1、数据特征选定（Pima Indians 印第安人医疗数据）1、特征选择1.1、单变量特征选定1.2、递归特征消除1.3、主要成分分析1.4、特征的重要性1、特征选择特征工程：特征工程包含了数据预处理、特征选择、数据降维。前面介绍了数据预处理，这次我们着手对数据进行特征选择，在原始数据中提取最合适的特征用于算法和模型。特征工程的作用：在此套用书上的话,“数据和特征决定了机器学习的上限，而...

2019-01-16 11:16:03 404

原创机器学习-Python实践Day3（特征工程--数据预处理2）

1、数据预处理2（自定义数据）1、数据预处理21.1、处理缺失数据1.2、标签编码1.3、独热编码1、数据预处理2# 引入数据集import pandas as pddf=pd.read_excel('data.xlsx')df可以看到数据中存在NaN值。1.1、处理缺失数据对数据中可能出现的存在缺失值NaN的数据，我们可以通过取平均值（strategy=mean）的方式填充数...

2019-01-14 16:09:58 541

原创机器学习-Python实践Day3（特征工程--数据预处理）

1、数据预处理（Pima Indians 印第安人医疗数据）1、数据预处理1.1、调整数据尺度1.2、正态化数据1.3、标准化数据1.4、二值化数据1、数据预处理在导入数据、理解数据之后就需要对数据做进一步的处理，这一步的处理称为数据预处理。数据预处理大致分为3个步骤，我们需要熟知的是数据的转换步骤：数据导入数据转换数据输出其中数据转换有以下几种方法：调整数据尺度（Resc...

2019-01-14 14:57:08 413

原创机器学习-Python实践Day2（数据准备--数据导入、理解、可视化）

1、数据操作（Pima Indians 印第安人医疗数据）1.1、数据导入方法1.1.1、通过标准的Python库导入csv文件1.1.2、通过Numpy导入csv文件1.1.3、通过Pandas导入csv文件1.2、数据理解1.2.1、简单查看数据1.2.2、数据维度1.2.3、数据类型和属性1.2.4、数据分类和分布情况1.2.5、描述性统计分析数据1.2.6、理解数据属性相关性1.2.7、...

2019-01-11 15:41:35 464

原创机器学习-Python实践Day1（鸢尾花项目）

第一个机器学习项目（鸢尾花分类）1、机器学习中的Hello World1.1、项目步骤流程：1.1.1、导入数据1.1.2、概述数据概述数据1.1.3、数据可视化单变量图表多变量图表1.1.4、评估算法1.1.5、实施预测1、机器学习中的Hello World1.1、项目步骤流程：导入数据概述数据数据可视化评估算法实施预测程序代码我将在Anaconda3的...

2019-01-10 18:06:00 2934 4

原创机器学习- 简单介绍

机器学习-Python实践Day1机器学习的两个大类监督学习 --分类和回归分类回归无监督学习 --聚类机器学习的两个大类监督学习 --分类和回归监督学习：在机器学习中提供包含特征和标签的数据，通过机器学习的相关算法实现数据的分类和回归。分类分类：标签是离散的数据回归回归：标签是连续的数据无监督学习 --聚类无监督学习：在机器学习中只提供包含特征的数据，通过相关算...

2019-01-10 16:33:09 338

qq_19950851的博客