![](https://img-blog.csdnimg.cn/direct/b3147f213c1943f899e6594caa9f9cf5.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
主动学习
文章平均质量分 79
大器晚成
斑驳的岁月
这个作者很懒,什么都没留下…
展开
-
好文链接分享
交叉熵损失:链接点击原创 2024-04-10 16:36:08 · 172 阅读 · 0 评论 -
argparse库
ArgumentParser对象通过 parse_args() 方法解析命令行的参数。它将检查命令行中每个参数,转换为适当的数据类型,然后调用相应的操作,并把参数结构化后存放在对象args中。在脚本中,通常 parse_args() 会被不带参数调用,而 ArgumentParser 将自动从 sys.argv 中确定命令行参数。argparse-------python用于解析命令行参数的标准模块。查看帮助信息 python try.py -h。2. 解析命令行的参数:parse_args()原创 2024-01-12 16:07:22 · 1023 阅读 · 0 评论 -
主动学习基础-贝叶斯神经网络
在“行为良好”的分布中随机初始化参数后,可以进行梯度下降并每次稍微修改分布的参数(例如均值或方差),以查看结果分布是否更接近后验分布。度量接近程度用ELBO.在编程语言中,我们有可以采用特定值的变量,每次访问该变量时,您都会获得相同的值。与此相反,在贝叶斯世界中,我们有类似的实体,称为随机变量,每次访问它时都会给出不同的值。在几乎所有现实世界的问题中,我们想要的不仅仅是结果,还需要对该结果的信心/确定性的了解。P(B)计算很困难,在所有可能的参数值下观察数据(输入/输出对)的概率,并按各自的概率加权。原创 2024-01-11 17:38:38 · 951 阅读 · 0 评论 -
交叉熵损失(Cross-Entropy loss)
在处理机器学习或深度学习问题时,损失/成本函数用于在训练期间优化模型。目标几乎总是最小化损失函数。损失越低,模型越好。交叉熵损失是最重要的成本函数。它用于优化分类。对交叉熵的理解取决于对 Softmax 激活函数的理解。原创 2023-12-21 11:17:33 · 2051 阅读 · 0 评论 -
多示例VS多标签VS多示例多标签-week2
在以往的各类学习框架中,样本与示例通常是一一对应的关系,而在多示例学习中,我们将一个样本作为一个包,一个包中具有多个示例,样本和示例是一对多的关系,这就使得用以往的训练模式并没有很好解决的问题,现在通过多示例学习就能够更加容易的解决了。在多示例学习中,训练集由带标签的多示例学习包组成,多示例学习包由不带标签的示例构成,多示例学习算法的目的是预测测试集中多示例学习包的标签并找出决定多示例学习包标签的关键性示例。学习系统 通过对多标记示例构成的训练集进行学习,以尽可能正确地预测训练集之外的示 例的概念集合。原创 2023-12-12 10:26:15 · 1068 阅读 · 0 评论 -
主动学习入门Week1
主动学习入门原创 2023-12-01 10:41:32 · 953 阅读 · 0 评论