深度学习
文章平均质量分 65
简朴-ocean
一年级在读
海洋科学专业
Python学习记录
物理海洋方向
大气波动动力学
WRF数值模拟
公众号:简谱学记
展开
-
收藏的一些不错的网站
研究生数学建模,本科生数学建模、数学建模竞赛优秀论文,数学建模算法,LaTeX论文模板,算法思维导图,参考书籍,Matlab软件教程,PPT。机器学习、深度学习的学习路径及知识总结。热带气象学课程,关于低纬度的波动。原创 2024-02-23 13:03:05 · 343 阅读 · 0 评论 -
Linux -- 使用多张gpu卡进行深度学习任务(以tensorflow为例)
无需更改任何代码,TensorFlow 代码以及 tf.keras 模型就可以在单个 GPU 上透明运行。注:使用 tf.config.list_physical_devices('GPU') 可以确认 TensorFlow 使用的是 GPU。在一台或多台机器上,要顺利地在多个 GPU 上运行,最简单的方法是使用分布策略。原创 2023-09-21 21:15:08 · 772 阅读 · 0 评论 -
深度学习--A `Concatenate` layer requires inputs with matching shapes except for the concatenation axis.
上采样过程实际上就是通过转置卷积(或者称为反卷积)操作来恢复特征图的尺寸和维度,并且通过跳跃连接与下采样路径的对应层进行融合,以重新细化和合并信息,从而进行准确的分割预测,重复一次上采样操作,结果没有问题。发现是下采样中的conv_64与上采样中的up_64维度不一致导致的,这是因为在下采样过程中,通过池化,使得451/2=225.5,而程序自动将其向下取整为225,225经过池化又变为(可以发现是在通过跳跃连接与下采样路径的对应层进行融合的时候出现的报错,那么为什么会报错呢?原创 2023-07-18 22:39:47 · 233 阅读 · 0 评论 -
深度学习 / 数据处理:如何处理偏态数据
当我们使用一个线性回归模型时,通常这个模型是在很大假设的前提下才有一个很好的结果:其中,对于第四点,说明了数据应该符合一个高斯分布,如下所示:可能你使用的数据并不是一个完美的高斯分布,也无法处理为一个完美的高斯分布,但是并不意味着你不去尝试,下面介绍如何处理偏态数据。为了避免机器学习模型的能力不被影响,应该对偏态数据进行处理,处理为一个近似标准正态分布,处理的方法取决于数据的特征。log转换 可能是第一种应该尝试的方法来去除偏态分布这个实际上就是log(1+x),这个对于降水数据的去偏还是挺不错的注意原创 2023-06-30 21:42:54 · 4095 阅读 · 0 评论 -
Linux 系统安装tensorflow-gpu版本
如何在Linux 环境下安装tensorflow的gpu版本,记录安装的过程。原创 2023-06-22 11:41:01 · 1494 阅读 · 0 评论 -
深度学爬坑记录 -- 在划分数据集之前还是之后标准化数据
通过这种方式,我们可以测试和评估我们的模型是否能够很好地推广到新的、看不见的数据点。为什么要进行归一化?因为它解决了梯度爆炸和各种特性之间的比例差异等问题。这取决于你的数据是否有标签,或者说是否存在多个观测数据。你将把未来的信息引入训练解释变量(即均值和方差)。对于数据变量的特征标准化(或数据标准化)是一种通过。如果没有标签,只有一种数据,无关紧要。对于我的数据是存在标签的,所以。如果有标签,先划分数据集!来使数据标准化的技术。原创 2023-06-13 14:29:27 · 1934 阅读 · 0 评论 -
python&深度学习 -- 训练的数据集中出现NaN值应该怎么办?Filling gaps in a numpy array
但是,如果训练集中存在 NaN 值,则计算梯度时出现除以 0 的情况,从而导致梯度无法计算。因此,在深度学习中,通常会在训练集中删除所有包含 NaN 值的样本,或者使用插值或其他技术来填充 NaN 值,以确保数据集不包含 NaN 值。函数来计算每个 NaN 值到离它最近的非 NaN 值的距离,并将其替换为该非 NaN 值。模型无法收敛:如果训练集中存在 NaN 值,则可能会干扰损失函数的计算过程,从而影响模型参数的更新,使模型无法收敛。基于上述问题,这里介绍一个处理Nan值的简单方法,实现NaN值的填充。原创 2023-05-11 20:35:26 · 1205 阅读 · 1 评论