2回答
我开始使用python xgboost背景。是否有一种方法可以在每个培训阶段获得培训和验证错误？我在里找不到
09:17:37 src/ tree /updater_prune.cc:74:树剪枝结束，1根，124个额外节点，0剪枝节点，max_depth=6eval:0.407474列车-rmse:0.346349 09:17:37 src/ tree /updater_prune.cc:74:树修剪结束，1根，116个额外节点，0剪枝节点，m
浏览 4提问于2016-02-04得票数 6
回答已采纳
1回答
每次我使用xgboost (不仅仅是与python一起使用)时，培训消息总是包括每一行中的"0剪枝节点“。updater_prune.cc:74: tree pruning end, 1 roots, 16 extra nodes, 0 pruned nodes, max_depth=5
我玩过几种调优参数的组合，但我总是收到"0剪枝节点我怎样才能产生一种情况，我得到一些剪枝节点？
浏览 1提问于2016-09-08得票数 2
回答已采纳
1回答
当我使用XGBoost来拟合一个模型时，它通常会显示一个消息列表，如"updater_prune.cc:74:树剪枝结束，1个根，6个额外节点，0剪枝节点，max_depth=5“。我找不到关于他们剪枝过程的描述。
注:我理解决策树剪枝过程，例如剪枝前和剪枝后。在这里，我对XGBoost的实际剪枝过程感到好奇。通常，剪枝需要一个验证数据，但是即使我没有提供任何验证数据，XGBoost也会执行剪枝。
浏览 0提问于2018-10-05得票数 6
1回答
我试图理解用于深度学习模型的结构化和非结构化剪枝技术：链接1和链接2。概括一下我所理解的，非结构化剪枝是基于重量剪枝，而结构化剪枝基本上是通过过滤器剪枝、通道剪枝和过滤器形状剪枝来完成的。那么，我的问题是，非结构化剪枝是只为CNN模型，而不能做，例如MLP模型，因为没有过滤器和渠道？
浏览 0提问于2019-12-20得票数 1
1回答
有谁能解释一下这两种说法：在成本复杂性剪枝中，剪枝树错误永远不能少于验证数据集中的原始树。
第一条陈述是对的，第二条是错误的。
浏览 0提问于2018-03-07得票数 3
回答已采纳
根据的研究，有两种剪枝策略，一次修剪和迭代剪枝.这两种方法在第2页中都有解释。一次剪枝的初始化很容易找到，因为我们训练网络进行j迭代，然后使用所获得的掩码将权值重置为初始化。我不明白的是迭代剪枝。在第2页，它说：
resets the network over n rounds是什么意思？这是否意味着，在每一轮剪枝时，我们使用当前剪枝级别获得的掩码将网络权重重置为初始化？或者说，我们在不重置初始化的情
浏览 7提问于2020-04-17得票数 2
回答已采纳
我正在评估国际象棋的位置，实现并不是真正相关的。我插入了打印检查，以查看我可以修剪多少路径，但没有打印任何内容，这意味着我没有真正修剪任何内容。 我已经理解了算法，并严格遵循伪代码。有谁知道哪里出了问题吗？ def alphabeta(self,node,depth,white, alpha,beta): if(depth == 0 or self.is_end(node)):
value
浏览 41提问于2020-12-20得票数 0
1回答
同步过程中的状态剪枝是如何工作的？还是只在不是状态根的节点上进行剪枝？因为如果删除了状态根，那么块中就会出现错误，并且它不会同步，对吗？
那么它是如何与剪枝和同步一起工作的呢？
浏览 0提问于2021-08-22得票数 1
我有一台低端的个人电脑，执行我的python项目需要很长时间，在Google上运行它所花费的时间要少得多。那么，有没有办法在google上运行这个项目呢？我的项目：
我想把这个项目和终点站里的组件一起推出：python -m迷你版input.txtpython-m小型化input.txt --呈现input.txt<e
浏览 1提问于2022-06-20得票数 0
回答已采纳
1回答
我读到，当没有接收者的多播感知路由器收到一条多播消息时，路由器将发送一条上行剪枝消息。我不明白剪枝信息的目的是什么。我在DVMRP :剪枝中读到的。
浏览 0提问于2019-05-28得票数 0
1回答
我已经建立了一个模型，并且我能够成功地使用tf.cont肋骨的模型剪枝模块，默认参数和稀疏度为90%，但问题是当我运行该模型时，它仍然需要与原始模型相同的执行时间，我的猜测是，tensorflow不是只运行被剪枝的版本，而是运行整个图的蒙面西部，这就是为什么即使在剪枝之后也没有改进。那么，如何导出具有子图和相应权重的剪枝模型并使用它呢？
浏览 1提问于2018-07-21得票数 2
1回答
我正在使用多属性数据集进行分类。我在java.The数据集上使用WEKA有分类变量和数值变量。当我在weka-GUI上运行数据集时，我在26棵树中的16片叶子上得到了更好的结果。但是当我使用java代码做同样的事情时，我只得到5棵树中的3片叶子。这是我的java代码 Instances trainingSet, Instances testingSet) throws Exception {
//return the classification model aft
浏览 3提问于2014-11-03得票数 0
回答已采纳
例如，我知道id3算法根本不使用剪枝，所以如果你有一个连续的特征，预测成功率将非常低。谢谢
浏览 3提问于2012-06-03得票数 9
回答已采纳
是否有一种方法可以显示经过剪枝(prune_low_magnitude和tensorflow_model_optimization)后模型的失败次数的减少。我试着比较默认的剪枝模型，但是我没有找到一种方法，即剪枝模型有更少的失败，甚至模型的大小也减少了很多。我用试过了，但我认为它并没有忽略零权重。谢谢
浏览 10提问于2021-12-19得票数 1
我正在尝试使用TFMOT (Tensorflow model Optimization ToolKit)修剪一个预先训练好的模型。是否有必要重新训练修剪后的模型以获得更小的gzip大小？如果不重新训练，模型gzip大小不会减小。
浏览 39提问于2020-11-05得票数 0
我目前正在调试我自己的alpha beta剪枝实现--我理解为什么最后两个节点( -10 ) (-10)会被剪短，因为alpha将从根传递为0，在右边处理0节点之后，beta将被设置为从无穷远到0，因此但是这样做，右边的节点在alpha beta剪枝算法中得到的值与min算法中的值不同，而我的实现用一个合适的值来选择最右边的子节点。因此，总是选择一个正确的0值，但是根据我们是使用简单的最小最大值还是应用剪枝来使用不同的节点，这对我不利，因为我更关心节点及其数据而不是值。如果我们总是选择根上的最大值(如果两个节点具有相同的值)，那么如果我们总
浏览 8提问于2022-08-18得票数 1
1回答
在求解alpha - beta剪枝算法时，启发式函数如何帮助剪枝尽可能多的节点？如果在最坏的情况下，没有节点被修剪，如何使用启发式函数修剪它们？
浏览 67提问于2020-04-20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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
