我有一个非常复杂的基于LSTM的神经网络模型，我正在对Quora重复问题对进行训练。在原始数据集中大约有40万个句子对。在整个(或80%)数据集上进行训练将需要大量的处理能力和计算时间。如果我选择数据集的一个随机子集(比如8000对)进行训练，选择2000对进行测试，这是否是
浏览 14提问于2019-10-30得票数 0
我经常读到，在深度学习模式的情况下，通常的做法是在几个训练阶段应用小型批次(通常是小批次，32/64)。我真搞不懂这背后的原因。除非我弄错了，批处理的大小是模型在训练迭代过程中看到的训练实例的数量；当每个训练实例都被模型看到时，each是一个完整的循环。如果是这样的
浏览 0提问于2017-02-07得票数 67
回答已采纳
2回答
当预训练深度学习模型(假设是深度卷积神经网络)以实现良好的权重初始化时，我是使用整个训练集而不进行验证(以避免信息泄漏)，还是只使用训练集的子集？
浏览 24提问于2020-07-07得票数 0
回答已采纳
假设我有一个数据集，其中一个特征是“汽车类型”：比如“A”、“B”和“C”。
这两种方法的优缺点是什么？
浏览 0提问于2019-02-20得票数 1
2回答
我开始研究深度学习模型，并从“用python进行深度学习”一书中找到了softmax的分类。
在使用训练和测试数据时，我们将其分为train_x、train_y和test_x、test_y。X和Y究竟是什么？我试图构建一个二进制softmax分类器，但我不确定来自数据集1的样本是否应该放在X集
浏览 0提问于2019-04-05得票数 0
回答已采纳
1回答
我有一个有4个类的数据集，我试图使用一个集合模型，其中每个基分类器都训练一部分数据。为了沿着分类器分布数据，我使用KMeans算法。问题是，在某些情况下，聚类只有一个类，而与这些数据相匹配的分类器在预测方面表现不佳。此外，每个集群只有一个类，因此无法使用某些结构(例如Logi
浏览 0提问于2021-06-19得票数 3
1回答
我有一个巨大的数据集来训练深度学习模型。它是.csv格式的。它大约是2 2GB，现在，我只是使用pandas将整个数据加载到内存中。df = pd.read_csv('test.csv') 然后将所有内容提供给keras模型，然后像下面这样训练模型， model.fit(d
浏览 11提问于2020-01-25得票数 4
2回答
我是机器学习和Python的新手。我正尝试在UCI存储库中的一个数据集上构建随机森林回归模型。这是我的第一个ML模型。我的方法可能是完全错误的。下面是我写的完整的工作代码。我在Windows7 x64 OS上<em
浏览 6提问于2018-02-18得票数 2
回答已采纳
1回答
因此，我尝试在我的训练集上执行4次交叉验证。我已经将我的训练数据分为四个季度。我使用四分之三用于训练，四分之一用于验证。我再重复三次，直到所有的季度都有机会成为验证集，至少一次。现在，经过训练，我有了四个咖啡因模型。我在我的验证集上测试模型
浏览 0提问于2015-11-21得票数 2
1回答
模型不是学习
、、、
我正在尝试训练一个张流js模型从我的网络摄像头的图像。基本上，我是在尝试重现pac-man张量流游戏。这个模型并没有收敛，在训练后也几乎毫无用处。我有预感我是怎么准备数据的。batch, logs) =>{ }
浏览 0提问于2019-05-01得票数 1
回答已采纳
1回答
我目前正在做一个关于语义分割的小组项目，需要用自己的数据集来训练模型。问题是数据集在任何预先训练的模型中都是不可用的，因为目标是检测运动鞋的每一部分(例如。花边，外底，前贴，标志等)。我们的团队成员中没有一个从未学习过深度学习，而是
浏览 0提问于2019-08-14得票数 0
回答已采纳
5回答
你能简单地解释一下和传统机器学习之间的区别吗？要使一个神经网络变得“深”需要多少个层次？这都是市场炒作吗？
浏览 14提问于2016-04-12得票数 7
回答已采纳
我想在一个数据集上训练一个随机森林模型。我知道“标准方法”，我们将丢失的数据归算在训练集中，使用相同的估算规则对测试集进行计算，然后在所估算的训练集上训练随机森林模型，并使用相同的模型对测试集进行预测(可能需要多次估算)。我想要理解
浏览 3提问于2020-04-12得票数 1
1回答
大数据集的特征缩放
、、、
我试图使用深度学习模型来预测时间序列，在将数据传递给模型之前，我想对不同的变量进行缩放，因为它们有很大的不同范围。我通常是“动态地”这样做的:加载数据集的训练子集，从整个子集获取定标器，存储它，然后在我想要使用它进行测试时加载它。
现在<e
浏览 0提问于2018-10-04得票数 2
回答已采纳
1回答
我已经了解了特定的模型，但我想了解更多关于机器学习问题解决的特定部分。我还没有找到关于这方面的论文，部分原因是不确定它叫什么。
我有一个大的数据集。我已经在上面训练了很多二进制分类器模型。我想把这些模型的预测放到一个“第二级”模型中。在这篇文章中，我还想添加
浏览 2提问于2017-04-20得票数 0
2回答
归一化图像数据集的最佳方法
、、、、
我有一个图像数据集，其中包含三个拆分-训练、验证和测试拆分，并希望对数据集进行标准化以使训练更容易。因此，我想从可用的数据中找出RGB值的平均值和标准差。我的疑问是--我应该考虑所有的拆分来正常化吗？
我个人的想法是，应该只使用</
浏览 5提问于2021-07-31得票数 0
1回答
我有一个2GB的图形卡，我用它来训练大型数据上的深度学习模型。但它妨碍了我的显示(在屏幕上显示奇怪的颜色像素)，同时运行程序。是否可以只使用图形卡进行计算，而不用于显示？我确信它必须是可以断开图形卡与显示，但我希望它是可用的计算。我
浏览 0提问于2015-09-29得票数 9
2回答
我有一个多类的问题，我正在为它构建一个分类器。我有N个总数据点我想预测。如果我用n个
有人能给我指一篇讨论这个问题的文章，或者提出一个研究的公式吗？
浏览 0提问于2018-09-27得票数 2
1回答
我正在构建一个Keras模型来预测用户是否会选择某个产品(二进制分类)。 模型似乎在训练时保持的验证集上取得了进展，但当涉及到测试集时，模型的预测都是0。我的数据集如下所示： train_datasetcustomer_id id target customer_num_id1，我<
浏览 17提问于2020-07-11得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
