![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
ML
文章平均质量分 71
sandalphon4869
这个作者很懒,什么都没留下…
展开
-
keras: 用time series时间序列做预测
文章目录Data Load & Data PreprocessingData Load & Data Preprocessingtf.keras.preprocessing.timeseries_dataset_from_array( data, targets, sequence_length, sequence_stride=1, sampling_rate=1, batch_size=128, shuffle=False,原创 2021-03-29 13:57:57 · 3575 阅读 · 5 评论 -
keras:Sequential()模型
文章目录简单的层的堆叠,本层只从上一层接收,只传递到下一层。单输入,单输出model = keras.Sequential([ layers.Input(shape=(4,)), layers.Dense(2, activation="relu"), layers.Dense(3, activation="relu"), layers.Dense(4),])model.summary()'''Model: "sequent原创 2021-03-25 12:22:37 · 283 阅读 · 0 评论 -
keras: Train & Evaluate & Predict Model
文章目录model.compile()optimizerlossmetricsmodel.fit()Numpy data & tf.data.Datasetmodel.predict()model.compile()model.compile( loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True), optimizer=keras.optimizers.RMSprop(), metrics=[原创 2021-03-24 19:00:32 · 617 阅读 · 0 评论 -
keras: Build Model
文章目录ModelutilsBuild ModelSequential & ModelCode每层详解查看详情可视化TrainoptimizerlossmetricsSave & Load ModelModelinputs = keras.layers.Input(shape=(784,), name='input_1') # 同 keras.Input()x = keras.layers.Dense(64, activation="relu", name='dense')(x)原创 2021-03-24 19:00:20 · 4124 阅读 · 0 评论 -
keras: tf.data.Dataset.from_tensor_slices()
文章目录机制数组组合inputs和target元组字典机制作用:创建一个数据集tf.data.Dataset,将数据inputs和标签targets联立在一起。要求:所有输入张量的第一个维度必须相同。不然inputs和targets不对应。机制:沿着它们的第一个维度切片。意思是说,将inputs[i]和targets[i]组合到一起。第一个维度表示有n个样本,Dateset有n个组合。数组import numpy as npimport tensorflow as tf# 一维d原创 2021-03-24 12:22:03 · 712 阅读 · 1 评论 -
keras: Data Load & Data Preprocessing
文章目录IntroduceData LoadFormattf.data.DatasetData Preprocessingvectorized & standardizedText: vectorizedImage & CSV: normalizing featuresIntroduce2个目标:vectorized 非数字特征映射到数字:比如[狗, 猫]→[0, 1]standardized 标准化:修改范围到[0.0, 1.0]、符合概率学(均值0和方差1)Data Lo原创 2021-03-23 11:37:07 · 561 阅读 · 1 评论 -
embedding
简单点说,找到目的空间的嵌入向量。那尝试通俗易懂的去理解embedding。例如现在站在你面前的Alice,你要怎么去描述她呢?假如从长相去描述Alice,最重要的几个特征是什么?[白不白,五官正不正,牙齿齐不齐]你可以用离散的变量0,1去表示条件成立与否:[ 1 , 1 , 1 ]==[皮肤白,五官正,牙齿齐]当然你也可以去给这几个特征打个分,到底有多白,多正,多齐,比如10分制:[ 6 , 8 , 10]==[普通白,比较正,非常齐]。这样的话,你就得到了欧几里得某个三维空间上对Alice长相转载 2021-03-18 15:07:03 · 170 阅读 · 0 评论 -
drafting of GRU in pytorch
文章目录rnn = nn.GRU(10, 20, 2)input = torch.randn(5, 3, 10)h0 = torch.randn(2, 3, 20)output, hn = rnn(input, h0)class torch.nn.GRU( input_size, hidden_size, num_layers=1, bias=True, batch_first=False, dropout=0, bidirectional=False) input_size:输原创 2021-03-18 14:04:31 · 142 阅读 · 3 评论 -
Pytorch0:Tensor
文章目录IntroductionBridge with NumPyCreate a tensorAttributes of tensorArithmetic operationsIntroduction特性:Tensors are similar to NumPy’s ndarrays, except that tensors can run on GPUs or other hardware accelerators. see ‘Attributes of tensor’.Tensors an原创 2021-03-14 21:11:42 · 142 阅读 · 1 评论 -
Pytorch1:A Easy Begin
文章目录WorkflowDateSource 数据源DataSet & DataLoaderDataSetDataLoaderTrainingQuestionWorkflowworking with datacreating modelsoptimizing model parameterssaving the trained modelsDateSource 数据源在线下载的数据源库torchvision.datasets:https://pytorch.org/vision/原创 2021-03-14 21:10:46 · 224 阅读 · 0 评论