- 博客(7)
- 收藏
- 关注
RSS订阅原创 过拟合与欠拟合
1、欠拟合欠拟合：使用的模型的复杂度小于真实模型的复杂度，training loss和accuracy不满足满意度，test的loss和accuracy也比较差2、过拟合过拟合：使用模型复杂度大于训练模型复杂度，training的情况很好。test拟合不好。泛化能力不好。3、检测overfitted:将数据集划分为train,test,val三个数据集。训练集，验证集，测试集。其中测试集是是客户手中的数据。val set选择什么时候停止。数据集划分：train划分再进行成为train和val的数
2021-02-08 09:12:45
216
原创 keras高层接口
1tf.keras的五个功能（1）datasets：下载的数据集（mnist、fation mnist）(2) layers：神经网络层(3) losses:求损失函数(4) metrics:测量，例如每100个算一下这100个的平均loss，计算loss和accuracy，使用metrics步骤：新建metric,添加loss，需要使用得到结果，清零。(5)optimizer:优化器metrics的五个步骤：(1)、build a meter（2）添加数据Update data：(3
2021-02-01 14:51:18
164
原创 tensor高阶操作
1合并与拆分合并：concat 用某一个维度进行累加，不会增加维度。所拼接的维度可以不相等，其他维度必须相等叠加:stack增加新的维度，所有维度都要相等unstack:指定维度拆分两份数据，指定某一维度进行拆分，这个维度有多少长，就会打成多少个数据split：更加灵活，可以指定打散长度和数量2、数据统计一范数、二范数求解：ord=1为一范数求解,ord=2为二范数求解reduce_min、reduce_max、reduce_mean:最小值、最大值、均值，默认为全部元素的最大或最小
2021-01-28 22:16:57
300
原创 tensorflow2 tensor基本操作
一、线性回归函数模型：y=wx+b+ee为观测误差，此误差服从某一分布。多数据求解w和b。误差函数越来越小梯度下降满足loss越来越小1、计算loss2、计算梯度3、循环使得梯度最小。代码使用mnist实例训练中：db=db.batch(32).repeat(10) #一次喂32个数据，设置迭代次数为10次step=总数据量*epoch(repeat)/batch_size设置重复训练次数为10次，使得效果变得更好。二、tensorflow基础操作（一）基本类型
2021-01-27 21:58:51
480
原创 传统神经网络
传统神经网络线性回归：参数[a,b,c,d]预测：梯度下降梯度下降：方向确定，梯度为真实值与预测值之间的差异，让差异逐渐变小，进行更新参数。损失函数求偏导进行。梯度不断更新进行下降。梯度下降法：真实值与预测值进行比较得到LOSS，对各个变量求导得到∆m,更新变量m，若loss足够小结束循环。非线性非线性：线性基础上加入非线性激励,线性函数的基础上进行非线性的改变，若加入sigmoid函数就是取值为0-1的值的函数非线性激励：（1）sigmoid函数：将输入的数据映射到[0,1]之间，梯
2021-01-12 11:00:09
203
原创 第七天
文章目录一、嵌套函数二 、面向对象三、类的定义一、嵌套函数在函数内部定义的函数，在函数外部无法调用内部函数def nameprint(isChinesename,name,familyname): def printname(a,b): print('{0},{1}'.format(a,b)) if isChinesename: printname(familyname,name) else: printname(name,fam
2020-12-29 23:50:10
51
原创 2020-12-26
@TOC一、全局变量与局部变量：全局变量：作用为定义的模块，从定义位置开始直到模块结束，尽量少使用。用global进行声明。局部变全局。局部变量：在函数体中声明，效率高。二、参数传递：本质是从实参到形参的赋值操作形参与实参指向的同一个地方，故进行同一个操作，得到的实参为进行操作之后的参数。三、传递不可变对象：包括int、float、字符串、元祖、布尔值。在“赋值操作”时，由于不可变对象无法修改，系统会新创建一个对象。四、参数类型：位置参数：函数调用时默认值参数：将函数参数设置好，一般
2020-12-27 21:54:28
96
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人