lixixi

@Site : https://www.kaggle.com/code/endofnight17j03/academicsuccess-voting-xgboost

「mini-imagenet」，点击链接保存，或者复制本段内容，打开「阿里云盘」APP ，无需下载极速在线查看，视频原画倍速播放。链接：https://www.aliyundrive.com/s/sPddLpGHy7S

摘自：https://www.cnblogs.com/gaona666/p/12376796.htmlFréchet Inception Distance（FID）计算 IS 时只考虑了生成样本，没有考虑真实数据，即 IS 无法反映真实数据和样本之间的距离，IS 判断数据真实性的依据，源于 Inception V3 的训练集 ------ ImageNet，在 Inception V3 的“世界观”下，凡是不像 ImageNet 的数据，都是不真实的，都不能保证输出一个 sharp 的 prediti

转载自： https://blog.ailemon.me/2019/02/26/solution-to-loss-doesnt-drop-in-nn-train/如何解决神经网络训练时loss不下降的问题文章作者AI柠檬博主发布日期2019-02-26如何解决神经网络训练时loss不下降的问题有2条评论浏览量： 148,695(在苹果系统下，如果文章中的图片不能正常显示，请升级Safari浏览器到最新版本，或者使用Chrome、Firefox浏览器打开。)当我们训练一个神经网络模型的时候，

Discriminator G∗=argminDiv(PG,Pdata)G^*=arg min Div(P_G,P_{data})G∗=argminDiv(PG​,Pdata​)real data sampleed from PdataP_{data}Pdata​,general data sampled from PGP_GPG​Objective Function For DLoss function:V(G,D)=Ey∼Pdata[logD(y)]+Ey∼PG[log(1−D(y))]V(

原文来自：https://github.com/tensorflow/tensorflow/issues/45930#issuecomment-770342299我这里大致翻译以下。I has same problem ,and solved this problem by those step.我遇到了同样的问题，用以下步骤解决First, find out where the “libcudart.so.11.0” is找出libcudart.so.11.0所在If you lost oth

今天遇到了一个很奇怪的问题，这种问题一般是由于已经保存的加载之后，与要使用的数据shape不一致导致的。tensorflow.python.framework.errors_impl.InvalidArgumentError: Incompatible shapes: [50000,10] vs. [50000,100]这是我的代码：# (x, y), (x_test, y_test) = datasets.cifar100.load_data()(x, y), (x_test, y_test)

常见的梯度超参数更新方法Adagrad :Root Mean Squareθi1=θi0−ησi0gi0σi0=(gi0)2=｜gi0｜\theta_i^1 =\theta_i^0-\tfrac{\eta}{\sigma_i^0}g_i^0 \\\sigma_i^0 = \sqrt{(g_i^0)^2}=｜g_i^0｜θi1​=θi0​−σi0​η​gi0​σi0​=(gi0​)2​=｜gi0​｜θi2=θi1−ησi1gi1σi1=12[(gi1)2+(gi1)2]\theta_i^2 =\

L(θ)L(\theta)L(θ) arond θ\thetaθ = θ′\theta'θ′能用下面的公式逼近：L(θ)≈L(θ′)+(θ−θ′)Tg+12(θ−θ′)TH(θ−θ′)L(\theta)\approx L(\theta ')+(\theta-\theta')^Tg+\tfrac{1}{2}(\theta-\theta')^TH(\theta-\theta')L(θ)≈L(θ′)+(θ−θ′)Tg+21​(θ−θ′)TH(θ−θ′)梯度ggg 是一个矢量:g=∇L(θ′)gi=∂L(θ

tensorflow 1 里使用这部分限制显存gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.5)config=tf.ConfigProto(gpu_options=gpu_options)session = tf.Session(config=config)在tensorflow 2里使用这部分限制显存gpu_options = tf.compat.v1.GPUOptions(per_process_gpu_memor

吴恩达 卷积神经网络原理图

摘自：https://www.cnblogs.com/skyfsm/p/8456968.html【深度学习】L1正则化和L2正则化在机器学习中，我们非常关心模型的预测能力，即模型在新数据上的表现，而不希望过拟合现象的的发生，我们通常使用正则化（regularization）技术来防止过拟合情况。正则化是机器学习中通过显式的控制模型复杂度来避免模型过拟合、确保泛化能力的一种有效方式。如果将模型原始的假设空间比作“天空”，那么天空飞翔的“鸟”就是模型可能收敛到的一个个最优解。在施加了模型正则化后，就好比将

PCA的意义机器学习中的主要问题：维度灾难　PCA：在力求数据信息丢失最少的原则下，对高纬度的变量空间降维 ，即研究指标体系的少数几个线性组合，并且这几个线性组合所构成的综合指标将尽可能多的保留信息。这些综合指标就称为主成分 。PCA推导该X的协方差矩阵 为由于此矩阵为非负定的对称阵，则有利用线性代数的知识可得，比存在正交矩阵U，使得 ： 其中P个特征值，假设大小是降序。而U恰好是由特征根相对应的特征向量所组成的正交阵这里，由U的第一列元素所工程为原始变量的线性组合有最大的方差　。　(证

摘自： https://blog.csdn.net/amyaguang/article/details/46043885?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.cha

文章转载自：https://www.cnblogs.com/angle6-liu/p/10416736.html一 k近邻算法原理k近邻算法是一种基本分类和回归方法.原理:K近邻算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例，这K个实例的多数属于某个类，就把该输入实例分类到这个类中。如上图所示，有两类不同的样本数据，分别用蓝色的小正方形和红色的小三角形表示，而图正中间的那个绿色的圆所标示的数据则是待分类的数据。这也就是我们的目的，来了一个新的数据点，我

摘自：https://www.cnblogs.com/ampl/p/10904306.htmljava 8 lamda Stream的Collectors.toMap 参数使用toMap()函数之后，返回的就是一个Map了，自然会需要key和value。toMap()的第一个参数就是用来生成key值的，第二个参数就是用来生成value值的。第三个参数用在key值冲突的情况下：如果新元素产...

文章摘自：https://cloud.tencent.com/developer/article/1594591macOS开启高性能模式2020-03-05阅读 2400性能模式会更改您的 Mac 的系统参数。这些更改会更好地利用您的硬件来满足服务器应用程序的要求。装有 macOS Server 且需要运行高性能服务的 Mac 可以开启性能模式，以便将更多系统资源专用于服务器应用程序。...

转载自：https://blog.csdn.net/iteye_1914/article/details/82675158最近在生产上遇见一个分页查询特别慢的问题，数据量大概有200万的样子，翻到最后一页性能很低，差不多得有4秒的样子才能出来整个页面，需要进行查询优化。第一步，找到执行慢的sql，如下：SELECTshotel_id as hotelId,mroom_type_id a...

摘自：https://blog.csdn.net/qq_27092581/article/details/92839049应用场景：当我们使用带资源的try语句时，使用finally也许会造成一个异常被覆盖的问题，即try语句块中会抛出某个异常，执行finally语句块中跑出了同样的异常，这样的话就会导致原有的异常会丢失，转而抛出的finally语句中的异常。这时我们可以使用带资源的try语句...