RongBYReport-20220501

最新推荐文章于 2024-08-11 18:44:16 发布
最新推荐文章于 2024-08-11 18:44:16 发布
阅读量63 收藏
点赞数
文章标签： python
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/qq_43826939/article/details/124499799
版权

日报-0501

今日主要工作是对实验进行更改与记录，也查阅了部分参考文献，后续考虑使用相关算法进行扩充，拿来做对比实验。
另根据编辑的意见对论文进行了修改，这里就不贴出了。
alpha数据集
在这里插入图片描述

elu数据集
在这里插入图片描述

小小码龙
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
RongBYReport-20220530
qq_43826939的博客
05-23 157
日报-0523 今日主要工作是对新想法的代码进行编写，即使用样本在邻居样本的投影值来体现样本的相对坐标，并以此作为损失函数，训练模型。 但实验效果好像欠佳，不怎么好，下面附实验与代码截图，今日主要工作还包括训练模型、调参。 实验过程： 代码截图： ...
RongBYReport-20220414
qq_43826939的博客
04-14 339
日报-0412 今日主要工作是改进了两幅图，用于描述新Idea的整个思想，同时开展实验。
RongBYReport-20220412
qq_43826939的博客
04-12 269
论文修改 由于实验的不断修改，因此无法撰写实验部分的内容，因此只写了初步的摘要轮廓，还未完善，后续将贴出。
RongBYReport-20220411
qq_43826939的博客
04-11 215
日报-0411 今日主要工作记录如下： 实验记录 在进行Heat等小维度标签数据集进行实验时，发现其效果很差，因此通过分析结果得出初步结论：由于标签分布的维度较小，所含信息较少，添加的随机噪声的影响较大，因此生成的数据很大程度上可能取决于输入的噪声。 因此，为了避免噪声对生成数据产生较大的影响，在Gan生成预测其特征向量时，通过取三次预测的平均值来作为特征向量，避免由于噪声的随机性导致Gan去学习到无用信息。 以下为旧的实验流程图与现在实验流程图。 由于对一个数据集进行一次完整的五折交叉验证实验需要4
RongBYReport-20220410
qq_43826939的博客
04-10 357
日报-0409 今日主要工作记录如下： 基于之前的实验继续深入 对于Gan训练的损失曲线进行分析后，最终确定了判别器D的学习率为0.002，生成器的学习率为0.001，训练过程相对稳定，并在Alpha数据集上进行了多轮实验，并将其欧式距离下的测试结果记录如下： 在Alpha数据集上的结果提升只有0.00001，效果微乎其微，但是在Heat数据集上的效果却倒退了0.0005左右，说明生成的数据问题较大，等待解决。 ...
RongBYReport-20220408
qq_43826939的博客
04-08 224
工作总结-0408 调整Gan网络的训练方式 LDL数据不像传统图像数据一样，可以轻松地可视化。因此为了提取“最优”的Gan网络，需要制定特殊的Gan网络“早停”方案，以下对其结果进行记录。 验证集误差阈值限制法 即将每轮Gan网络都保存下来，并在验证集上进行样本生成；此处使用验证集的标签分布来生成对应的样本特征，当生成的样本特征与真实样本特征相差小于一定阈值时保存该模型，最后测试时使用最后一次保存的模型。 其中Gan训练的细节为：判别器D的学习率为0.01， 生成器G的学习率为0.001，轮数都
大模型微调工具-torchtune
weixin_40777649的博客
08-08 861
1.定义2.安装3. 案例。
jupyter下载
Einstein·Jun
08-06 770
Anaconda下载 参考链接：https://blog.csdn.net/qq_48372575/article/details/125630622 设置Jupyter Notebook的代码路径 在“此电脑”中搜索。删除最后一个""后面的的内容，包括“\”。 用记事本打开它。 按下ctrl+F就可以开始查找。查找内容如下： 找到之后，右键该文件，找到“发送到”，找到“桌面快捷方式”。然后就会发现桌面上已经建立好了！
伐木工 (100%用例)D卷 (Java&&Python&&C++&&Node.js&&C语言)
荆赫同艺的博客
08-07 329
一根 4米长的树木，伐木工不需要切割为 2*2，省去切割成本，直接整根树木交易，为 4*1，收益最大为 4。方式二: 3,2,2,3，但方式二，伐木工多切割一次，增加了切割成本却卖了一样的价格，因此并不是最优收益。一根 2 米长的树木，伐木工不切割，为2*1，收益最大为 2。一根5 米长的树木，伐木工切割为 2*3,收益最大为 6。输出最优收益时的各个树木长度，以空格分隔，按升序排列。一根 10 米长的树木，伐木工可以切割。方式一:3,4,4，也可以切割为。
Python 算法交易实验80 QTV200日常推进-目标估算
yukai08008的博客
08-10 410
业务目标在先，月利3%是第一个目标。虽然日常有在常规推进，但目标是什么？现在做的是什么？与目标的关联是什么？业务上讲，如果月利能够达到3%(几何平均)，上下波动不超过1%，就算达标了(2%~4%)。考虑到金融领域有不可测风险，所以资金还会分摊到3个月。例如，假如总投资资金是30万，那么每个月的最大投资金额是10万。这样即使遇到大跳水，问题也不大。目标达到的话，10万本金每月的盈利是3000， 按复利计,24个月就会double，我觉得已经足够理想。假设投资90万，则可以按30万计算复利效果。
NVIDIA-CUDA
qq_41081716的博客
08-08 418
CUDA 是一种强大的并行计算平台，它极大地扩展了 GPU 的用途，使其不仅仅局限于图形处理。通过利用 CUDA，开发人员可以编写高效、高性能的并行应用程序，这些应用程序可以用于各种计算密集型任务。如果您正在从事高性能计算或需要加速计算任务的工作，CUDA 是一个非常有用的工具。
Falsk测试与部署（第九阶段）
蜡笔小新星的博客
08-09 619
在本章节中，我们学习了如何使用unittest和pytest进行单元和集成测试，以及如何配置Flask应用，使用WSGI服务器部署，容器化Flask应用并将其部署到各种云服务平台。通过这些步骤，你可以确保你的Flask应用在生产环境中的稳定性和可靠性。希望这些知识能够帮助你在实际项目中更好地实现测试和部署。
《python语言程序设计》2018版第6章第42题Turtle：绘制sin函数，使用程序清单6-14中的函数简化5.52代码
电饭叔
08-10 256
在output06th.py中的代码。
python识别车辆标志
weixin_45570158的博客
08-09 414
要使用Python来识别车辆标志，你通常会用到计算机视觉库，如OpenCV，结合深度学习框架如TensorFlow或PyTorch。这里我将提供一个基于OpenCV和TensorFlow（使用预训练模型，如MobileNetV2）的基本示例。
windows下wsl ubuntu 搭建深度学习环境
最新发布
qq_35661896的博客
08-11 443
删除之前安装的ubuntu;查看都安装了哪些版本：wsl -l -v删除想要删除的版本：wsl --unregister ${名字}删除之后 ubuntu.exe的安装包还在c盘中， 找到它， 并将 ubuntu.exe的所在文件夹的所有文件都复制到你想要安装的新的路径下，比如我在E盘新创建一个文件夹： E:\wsl_ubuntu_20.04，复制过去后如下：然后卸载c盘的ubuntu；
【最长递增子序列】python刷题记录
m0_73629042的博客
08-08 371
R4-dp。
leetcode:1822. 数组元素积的符号(python3解法)
qq_41905051的博客
08-09 356
leetcode:1822. 数组元素积的符号(python3解法)
利用python写一个可视化的界面
huanghm88的专栏
08-08 2488
这段代码创建了一个窗口，并在窗口中添加了一个标签和一个按钮。当按钮被点击时，标签的文本会变成"Hello, World!你可以根据自己的需求修改窗口的布局和添加其他控件。要利用Python编写一个可视化界面，你可以使用一些图形库来实现，例如Tkinter、PyQt、wxPython等。
云计算实训25——python管理(设置清华镜像站；安装pandas数据分析⼯具；安装pymysql连接器；python脚本)
m0_73907608的博客
08-09 887
设置清华镜像站；安装pandas数据分析⼯具；安装pymysql连接器；python脚本；
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