我对数据科学很陌生，我想学点东西。我以98%的准确度完成了预测，并将其保存为泡菜模型。现在，在尝试使用这个模型进行预测时，我得到了下面的错误。
trainFile=os.path.join('D:\PYPrograms','Data','POS','collected.csv')
#load the data
train = pd.read_csv(trainFile)
dataTemp=train
nullInTrain=train.shape[0] - train.dropna().shape[0]
print("N
浏览 0提问于2020-01-25得票数 1
我正在使用Keras DL库对图像数据集进行分类。我在尝试训练模型时遇到了一个错误。
我正在处理的数据集没有大量的数据，因此一个示例训练集包含166张图像。我不确定这个错误，但我认为我必须以某种方式更改标签集的形状来修复它。代码如下：
import tensorflow as tf
import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Flatten
from tensorflow.kera
浏览 0提问于2018-12-22得票数 3
这个问题已经在其他论坛上被问到了，我尝试过他们的变体，但没有结果：。
然而，这似乎是陈腐的，因为没有人回答这个问题。当使用class_weight时，有人知道如何在Keras中实现categorical_crossentropy参数吗？我一直试图在Keras中使用class_weight参数，但始终得到以下错误：
ValueError:期望class_weight是一个键数小于类数从0到1的块，发现{“预测”：{0: 1.217169570760731，1: 5.323420074349443，2: 0.5023680056130504}
每个样本将被分类为0，1或2 (softma
浏览 0提问于2020-12-04得票数 3
我正尝试在Python语言中使用sklearn中的GridSearchCV来查找支持向量机分类器的参数。训练数据的形状为(15750,65536) (15750个样本，特征维度: 65536)。
在默认设置下，一切工作正常！然而，如果我想使用并行处理选项，通过定义n_jobs，我将面临以下问题:数据被加载到内存中(在具有48 GB内存的机器上，它占用了整个内存的14% )，但是它从来没有开始网格搜索/训练！在(h)top上，进程状态是S(所以它基本上是停止的！)。它继续占用内存，但永远不会开始运行(CPU使用率仍然为零！)。
我尝试了不同的n_jobs值，比如2,3-5 (机器有8个内核)。但
浏览 1提问于2013-03-08得票数 4
1回答
我有7类图像，我需要分类。每个类都有不同数量的样本。
75张图片
70幅图像
98幅图像
182幅图像
146幅图像
197幅图像
150幅图像
最后，我删除了所有类中的所有图像，直到70幅图像(50次培训和20次验证)。使用Keras、生成器和flow_from_directory方法，我能够对它们进行分类，但很明显，我不会获得很好的精度。我有个计划以后再增加数据。
我的问题是，我是否可以使用flow_from_directory方法为每个类使用不同数量的培训数据？这种方法有什么潜在的缺点吗？
例如：
55次培训- 20次验证
50次培训- 20次
浏览 5提问于2017-02-15得票数 2
1回答
我有一个包含不同天数的策略的数据集。与运行天数较少的策略相比，运行时间更长的策略必须具有更高的权重。在python中的基于树的模型中，有什么方法可以做到吗？特别是决策树模型。
每一条保单都是一行。
谢谢,
浏览 12提问于2022-06-08得票数 1
回答已采纳
我有一个用于分类的神经网络工作模型。目前，我已经应用交叉熵来计算测试结果(模型输出)和条件结果(真实输出)之间的误差。该模型用于二进制分类，但将被扩展为处理多个类。到目前为止，使用MATLAB中的交叉熵计算了误差：
err = sum( y.*log(h(x)) + (1-y).*log(1-h(x)) )
我希望模型的执行方式能够分类或检测更多的假阳性，然后是假阴性。我知道有所谓的混淆矩阵，在这里我可以指定所有内容，但我不知道这如何与错误计算相对应。(欢迎任何建议:)
干杯!
浏览 1提问于2013-10-24得票数 1
1回答
for i in range(k):
print('processing fold #', i)
val_data = train_data[i * num_val_samples: (i + 1) * num_val_samples]
val_targets = train_targets[i * num_val_samples: (i + 1) * num_val_samples]
partial_train_data = np.concatenate([train_data[:i * num_val_samp
浏览 3提问于2020-06-17得票数 1
回答已采纳
我的数据是多类、多标签类型的，我计划总共有100个输出类。
我对模型的输入X是音频数据，我的y是一个单热编码的numpy数组，有100个列显示一个1来指示相应的类(例如y = [0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 ...)。
model = Sequential()
model.add(...) # more layers ... CNN ...
model.add(...) # more layers ... LSTM ...
model.add(Dense(512, input_dim=n_inputs, kernel_initializer=&
浏览 0提问于2021-08-01得票数 0
1回答
这个问题很简单，但是我找不到答案： 如何识别猫和狗，并过滤掉所有其他的东西？ 换句话说:我有一个很大的数据库，里面有猫和狗的图片以及所有其他混合在一起的照片，有没有一种方法可以在输出中说:猫还是狗，还是别的什么？ 或者CNN不是为了高效地做这些事情而构建的？ 当我只提供猫和狗的图像时，我使用python / Keras / Tensorflow；查找猫/狗的解决方案-工作得很好。
浏览 13提问于2020-01-09得票数 0
回答已采纳
1回答
我已经构建了一个数据集，我想把它传递给oder中经过预先训练的模型来执行一些预测。我正在寻找一些步骤/过程来指导我在这方面。我应该细调吗?如果是这样的话，我应该调整什么？还有别的办法吗？
如有任何帮助，我们将不胜感激:)
浏览 0提问于2021-08-07得票数 0
该模型的训练和测试数据的形状为(行，3000)。我喜欢用这个模型来预测形状为(1，5)的A。我如何重塑变量A，以便模型将其用于返回预测？这是一个文本分类模型，因此数据被矢量化。
A = ['The dog is so cute']
A = vectorizer.fit_transform(A)
#pretrained model
classifier.predict(A)
误差
---------------------------------------------------------------------------
ValueError
浏览 0提问于2020-07-01得票数 0
回答已采纳
我生成了一个训练神经网络的张量，输入的大小是[batch_size, max_time_step, num_features]，但是由于多个训练样本没有相同的time_step，所以我在训练样本的末尾填充了零来匹配训练样本，该训练样本具有该特定批的max_time_step。然而，train_seq_len具有一维向量[batch_size]中每个输入样本的实际time_step值。对于标签，它们存在于形状为[batch_size, max_label_size]的稀疏张量中，其中小于max_label_size的标签向量被填充为零。
我的问题是对于tf.nn.ctc_loss(inputs,
浏览 1提问于2017-03-23得票数 2
回答已采纳
1回答
1)我想在twitter上进行情绪分析。所以，我选择使用datumbox-framework.我有点怀疑我的训练样本的大小应该是多少？&如果我正在收集积极、消极、中立的训练样本，我应该对所有的训练样本保持相同的大小吗？(也就是说，我可以收集10个pos，5个neg，15个中性作为我的训练集，或者我应该在我的训练集中收集和维护所有相同大小的pos=10;neg=10;neutral=10 )算法。是海军 Bayes。
2)培训数据集是否有规模限制？
浏览 0提问于2016-06-09得票数 0
1回答
我有一个名为charMatrixList的矩阵列表，长度为40744。我将此列表转换为numpy数组，其形状变为(40744,32,30)。该numpy数组被作为输入传递给神经网络。 当作为输入传递到Conv2D层时，我得到的错误与LSTM层输出的形状有关。 from keras.models import Sequential
from keras.layers import Embedding,LSTM,Flatten,Conv2D,Reshape
import numpy as np
def phase22(charMatrixList ):
model = Sequen
浏览 27提问于2019-06-08得票数 0
目前，我可以检索在我的训练样本上生长的每个节点的ID，我的测试样本的每一行最有可能属于：
tree.tree_.apply(np.array(X_test).astype(np.float32))，其中X_test表示决策树的输入。
但是，对于我生长的树的每一片叶子，我希望获得其中包含的训练样本的in。这样我就可以知道哪个训练样本与一个测试输入最相似。
浏览 1提问于2015-11-05得票数 3
1回答
我正在尝试对我的KNN分类器的结果进行交叉验证。我使用了下面的代码，它返回一个类型错误。
对于上下文，我已经导入了SciKit Learn、Numpy和Pandas库。
from sklearn.cross_validation import cross_val_score, ShuffleSplit
n_samples = len(y)
knn = KNeighborsClassifier(3)
cv = ShuffleSplit(n_samples, n_iter=10, test_size=0.3, random_state=0)
test_scores = cross_val_sc
浏览 3提问于2014-03-31得票数 0
谁能解释一下为什么nEgiens不能超过上图中的nTrainFace-1？
我正在使用EmguCv。当nEgiens和nTrainFace相等时，最后一个特征图像返回空白(黑色)。但是，在emgucv实现上：
`if (termCrit.max_iter <= 0 || termCrit.max_iter > trainingImages.Length)
termCrit.max_iter = trainingImages.Length;`
浏览 1提问于2012-07-05得票数 0
回答已采纳
我试图在参数搜索中传递normalize，以便将它传递给GridSearchCV。我收到了一个警告，即规范化是贬值的，我应该使用StandardScalar。我不能仅仅将StandardScalar添加到管道中，因为当我希望它被应用一次而不是第二次应用时，这会一直应用它。
这是我的密码：
'params': {
'normalize': [True, False]
}
如何在这里使用StandardScalar而不是normalize
浏览 2提问于2022-11-01得票数 0
每一个，时间复杂度是
描述运行算法所需时间的计算复杂性。
时间复杂度通常用大O表示法表示，通常是
当谈到时间复杂性时，这个使用了一个术语"TDFnlogn“。
nlogn可能
"TDFnlogn“是什么意思？
浏览 0提问于2019-05-07得票数 0
回答已采纳
我试图绘制在我的数据集中运行集群的结果，但是我得到了错误：
File "cluster.py", line 93, in <module>
Z = kmeans.predict(np.c_[xx.ravel(), yy.ravel()])
File "/usr/local/lib/python2.7/dist-packages/sklearn/cluster/k_means_.py", line 957, in predict
X = self._check_test_data(X)
File "/usr/loca
浏览 1提问于2017-03-19得票数 4
回答已采纳
我正在实现Viola-Jones人脸检测算法，并且对haar-feature阈值有点困惑。我正在使用follow计算haar-feature的阈值。步骤：
a)计算对应于相同位置的所有正(脸)图像中的haar特征值。b)获取位于最小特征值和平均特征值之间的所有特征值，以得到列表，MinToAvg = [] c)对于MinToAvg分类数据中的每个值(正和负)，并获得位置数。图像(位置)其分类为人脸和假阳性数(FP)。d)特征值被认为是我得到max(Pos-FP)的特定特征的阈值。
对于每一轮提升，Haar-feature的阈值保持不变。相反，Viola-Jones论文中讨论的Haar-feat
浏览 3提问于2013-10-03得票数 0
1回答
训练样本数量与模型深度的关系？
、、、、
当我在CNN中添加更多的隐藏层(例如密集层)时，该模型似乎需要更多的训练样本才能对训练样本少的班级产生良好的效果。在单层情况下，即使对于样本较少的类，该模型也提供了更好的结果。(多类文本分类>10类)
有证据证明我的假设是正确的吗？
浏览 0提问于2018-10-07得票数 2
回答已采纳
我对毕道尔来说是新手，我试图做一些重要的抽样实验:在一个评估时期，我计算每个训练样本的损失，并得到这个训练样本的梯度之和。最后，我将根据他们引入的梯度对训练样本进行排序。例如，如果样本A显示一个很高的梯度和，它必须是一个重要的样本训练。否则，它不是一个非常重要的样本。
请注意，此处计算的梯度将不用于更新参数。换句话说，它们只用于选择重要样本。
我知道梯度将在loss.backward()之后的某个地方做好准备。但是，在整个模型中，最简单的方法是获取累计的梯度吗？在我目前的实现中，我只允许修改一个小模块，只有可用的损失，所以我没有“输入”或“模型”。是否有可能只从“损失”中得到梯度？
浏览 5提问于2022-01-07得票数 0
回答已采纳
我正在使用matlab的函数开发KNN分类器：
knnclassify(gp,trainingClass, gpTest),
哪里
gp是<849x36 double>矩阵，gpTest是要测试的矩阵，但它会引起以下错误
使用grp2idx (第39行)分组变量时出错必须是向量或字符数组。
分类错误(第81行)，组=grp2idx(组)；
测试(第1行)错误分类(gp，trainingClass，gpTest)；
浏览 3提问于2015-10-17得票数 0
1回答
我想建立一个二进制分类器机器学习模型。我想利用模型以前的预测作为未来预测的特征，考虑到我的训练样本不是独立的。
是否有一个框架可以通过scikit-learn或任何其他python库来实现这一点？
我知道这个问题可以用基于记忆的神经网络结构来解决，比如RNNs，LSTMs，.，但是我想首先考虑非深度学习方法(通常使用梯度增强模型，基于树的模型，.)
浏览 0提问于2020-10-23得票数 0
回答已采纳
1回答
我使用的是单音过采样，我的训练样本中的事件率是4%。结果在训练样本中得到了很好的验证，但在保持样本中没有很好的验证。对于Perc.Over和Perc.Under，我尝试过不同的组合。
如何选择Perc.Over和Perc的号码。在……下面
如何确保它在保存样本中也能很好地验证。
浏览 2提问于2015-05-13得票数 0
在官方Keras示例cifar10中有下面的代码来训练使用keras10的CNN。当我尝试的时候，我的神经网络根本不会学习，我总是有一个10%的能力，这是一个基本的随机猜测。如果我在第一个致密层中将激活从"reluat“改为"sigmoid"，那么我得到了更好的结果。事实上，我认为在softmax之前，一个人必须有一个乙状结肠，而不是再来。然而，这个例子出现在互联网上，所以我相信它是正确的。我遗漏了什么？
(P.S.我正在使用CPU进行训练，但这不应该影响性能，只需要更长的时间，而且，我停留在大约20个周期，但我仍然得到了几乎70%的乙状结肠，所以这也不应该是问题)
&
浏览 0提问于2016-05-21得票数 0
1回答
我有这种与内核svm相关的混淆。我看过，使用内核svm，保留的支持向量数量很大。这就是为什么它很难训练，而且很费时。我不明白这部分为什么很难优化。好的，我可以说有噪声的数据需要大量的支持向量。但这和训练时间有什么关系。
另外，我还读到了另一个，他们试图将非线性支持向量机内核转换为线性支持向量机内核。在线性核的情况下，它只是原始特征本身的点乘积。但在非线性的情况下，则是RBF等。我不明白他们所说的“操纵内核矩阵会造成巨大的计算瓶颈”。据我所知，核矩阵是静态的，不是吗。对于线性核，它只是原始特征的点乘积。在径向基函数的情况下，它使用高斯核。所以我只需要计算一次，然后我就完成了，不是吗。那么操纵和瓶
浏览 4提问于2013-04-13得票数 2
这是Python2.7和Pandas 0.17.1中关于scikit学习(版本为0.17.0)的一个问题。为了使用详细的方法拆分原始数据(没有缺少条目)，我发现如果使用拆分数据来处理.fit()，就会出现错误。
以下是与变量重命名的其他堆栈溢出问题基本相同的代码。然后，我实例化了一个网格，并试图对分割的数据进行拟合，以确定最佳分类器参数。错误发生在下面代码的最后一行之后：
import pandas as pd
import numpy as np
# UCI's wine dataset
wine = pd.read_csv("https://s3.amazonaws.com
浏览 1提问于2016-03-14得票数 2
回答已采纳
火炬配料时应使用哪种尺寸的输入？
我有1000个训练样本，每个训练样本的维度是10*5。现在，我想将这些数据作为100个样本的批次输入到Sequencer中。
我应该如何组织我的输入？每批次输入的维度应该是100*10*5 (批次使用的第一维度)还是10*100*5 (批次使用的第二维度)？
希望您能链接到解释以下约定的相关文件。
容器和模块的约定会发生变化吗？
浏览 2提问于2016-07-13得票数 0
回答已采纳
1回答
输入形状和Keras
、、、、
我有一组训练数据，其中每个输入都是长度为138的向量。我有519个这样的向量，批次大小为519。这些不是图像，而是实数。 我试着从2层密集的Keras模型开始： model = keras.Sequential([
layers.Dense(200, activation=tf.nn.relu, input_shape=[138]),
layers.Dense(200, activation=tf.nn.relu),
layers.Dense(1)
]) 当我构建模型时，我得到了以下错误： Error when checking input: expected den
浏览 9提问于2019-01-04得票数 0
我们是否可以在Dialogflow或使用Detect intent和Agent API的谷歌云平台中使用Python代码上传训练数据(以.txt格式)？如果是这样，请分享你的见解。
浏览 0提问于2018-07-25得票数 1
1回答
据我所知，神经网络的基本原理是有几个输入、权重和输出。可能有隐藏的层，增加了整个事情的复杂性。
如果我有100个输入，5个隐藏层和一个输出(是或否)，大概会有很多连接。在100^5的某个地方。通过梯度下降进行反向传播似乎需要很长时间。
如何以并行(并发)的方式设置反向传播以利用多核处理器(或多个处理器)。
这是一个语言不可知论的问题，因为我只是试图理解结构。
浏览 5提问于2015-02-20得票数 0
回答已采纳
我刚刚开始对神经网络进行编码，我的代码si如下
#create model
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28,28)),
keras.layers.Dense(16, activation="relu"),
keras.layers.Dense(16, activation="relu"),
keras.layers.Dense(10, activation="softmax")
])
model.compile(opti
浏览 3提问于2020-12-27得票数 1
回答已采纳
1回答
数据集的决策树和神经网络
、、、、
我正在研究对数据集同时使用决策树和神经网络的优缺点。我一直在互联网上寻找答案，但我似乎找到的所有答案都是从大的角度来看每个问题的利弊。基本上，我试图弄清楚为什么决策树和神经网络对特定的数据集是有好处的。我假设无论数据集是大是小，离群值和丢失的数据都会对使用决策树或神经网络的准确性或不准确性产生影响。提前感谢
浏览 0提问于2018-04-10得票数 0
我已经看到并使用曲线图来测量性能(例如:准确性等)。但我也看到过某些论文讨论了训练样本数量对准确性性能的影响。我应该如何使用keras或其他常见的深度学习库来生成这样的图形？ 这是一种公平比较几个模型达到令人满意的性能所需的训练样本数量的方法吗？
浏览 22提问于2020-02-01得票数 0
1回答
基于吴家富关于内核的讲座，
您使用训练样本(称为地标l)，并在预测期间使用它们来构造给定样本的高维表示。
📷
X (f)的这个新表示被乘以w作为最后的预测。
如果我要实现这一点，这是否意味着我需要存储所有的培训样本？(我想我需要它们来实现训练和预测逻辑)
我的直觉告诉我还有更多的东西，因为储存每一个训练样本对我来说都是无稽之谈。内核的预测是如何在现实中实现的？
浏览 0提问于2022-09-19得票数 2
2回答
训练样本的数量与训练数据的维数之间应该有什么关系？
例如，我有一个有20000个训练样本和16000个特征的案例。我正在考虑使用PCA来获得一些降维，但我不知道我应该减少多少维数我的训练数据。这两者之间有关系吗？我使用的支持向量机分类器与两个类和一个线性核。
浏览 0提问于2013-11-06得票数 5
回答已采纳
有没有办法在keras中编写一个自定义的MSE损失函数？ 我的训练样本是k x n输入的横截面数据，我的输出是时间t的k x 1，但t的范围是t-1到t-120 (横截面数据的每月时间戳)。 我想写一个自定义的MSE损失函数，它本质上对训练样本t-120赋予较低的权重，而对训练样本t-1赋予较高的权重。 有没有办法做到这一点？ 下面是在keras中编写自定义损失函数的一些简单代码。 def my_loss_fn(y_true, y_pred):
squared_difference = tf.square(y_true - y_pred)
return tf.reduce_
浏览 13提问于2021-05-07得票数 0
1回答
我是一个来自斐济的可培训weka分段插件的基本用户。我想知道ROC曲线是如何评估固定森林分类器的性能的？因为我在曲线上有几个点，从概念上讲，每个点代表每个像素是如何计算的？它是否评估分配给每个像素的概率？或者分配给每个像素的概率与ROC曲线无关？格茨！娜塔莉亚
浏览 31提问于2017-02-01得票数 0
1回答
我的同事提到，一个数据科学项目正在使用SGD分类器。
因此，我开始阅读有关GD/SGD的文章，并遇到了一个不错的文章，它使用支持向量机和GD进行文本分类。
在文章末尾，作者提到：
我们从一堆要训练的文件开始。然后，我们将每个文档表示为数字向量，您可以选择将它们分割成n克，然后用TF-下手称这些n克。现在我们有了一个数值表示，我们可以给出程序的训练数据，并使它的猜测每次。根据程序的错误程度，程序根据错误进行调整，以便在下一次使用梯度下降进行更好的预测。它使用支持向量机( SVMs )跟踪学习，并通过在图中“绘制”新的数据点并查看它是在右边还是在决策边界的左边，用SVM模型进行预测。
这篇文章没有
浏览 0提问于2020-02-06得票数 1
1回答
在模板图像上训练卷积网络
、、、
我正在尝试设计和训练一个卷积神经网络来识别图像中的圆形细胞。我在完整图像的“剪切图”上训练它，它要么在图像中间有一个圆圈(正训练样本)，要么没有(负训练样本)。
中间有一个圆圈的图像示例(热图颜色不稳定，图像都是灰度)：
我希望网络输出是一个二进制位图，如果输入图像中没有圆，它就是一个统一的值(例如-1)，或者在图像中间有一个“斑点”(理想情况下是一个点)来指示圆的中心，而不是仅仅对两种类型的输入图像(圆形或不在中间)进行分类。然后，这将应用于包含许多这样的圆形单元的大图像，并且输出应该是单元所在的带有斑点的位图。
为了训练它，我使用输出图像和2D高斯滤波器()之间的均方误差作为正训练样本，将
浏览 7提问于2016-08-15得票数 1
2回答
我有一个完全可以理解的信息提取要求(发票号、发票数据、到期日、总数等)。从扫描发票(数字格式是图像，而不是PDF)，最好是Python。好的是，所需的信息或多或少肯定存在于页面上，而这些信息的(regexp类)文本格式也往往是后续的。另一方面，缺点是发票的布局非常多样。
我使用了以下可能的方法：
使用字符识别来提取纯文本，然后尝试与片段拼图。这种方法存在着相当大的问题: OCR的质量(至少是在tesseract库中已实现的OCR)相当平庸，输出是无可救药的非结构化的(实际上是一堆单词)，即使对于普通短语，也很难找到任何regexp或其他规则。
我的另一种方法是对原始图像本身或文本堆进行某种深度
浏览 0提问于2017-03-23得票数 4
1回答
我已经在python中使用sklearn训练了一个rbf内核支持向量机，现在我正在将它移植到java以供生产。
在读取时，我看到了决策函数：
这似乎表明，为了评估SVC，我必须知道每个训练样本的权重，但是SVC只通过dual_coef_属性公开支持向量的权重。
有办法解决这个问题吗？
浏览 5提问于2017-08-01得票数 1
回答已采纳
1回答
我有点误解了如何为我的数据创建一个简单的序列。
这些数据有以下几个方面：
X_train.shape
(2369, 12)
y_train.shape
(2369,)
X_test.shape
(592, 12)
y_test.shape
(592,)
我就是这样创建模型的：
batch_size = 128
nb_epoch = 20
in_out_neurons = X_train.shape[1]
dimof_middle = 100
model = Sequential()
model.add(Dense(batch_size, batch_input_shape=(None
浏览 0提问于2016-06-13得票数 2
回答已采纳
Keras二进制分类器教程示例只提供了50%的验证精度。对于二值分类，未经训练的分类器本身可以获得近50%的分类精度.
这个例子直接来自于
import numpy as np
import tensorflow as tf
from tensorflow_core.python.keras.models import Sequential
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout
np.random.seed(10)
# Genera
浏览 4提问于2019-12-01得票数 1
回答已采纳
1回答
我刚刚开始用Tensorflow / Keras在Python中实现LSTM，以测试我的想法，但是我很难正确地创建一个模型。
对于每一天，我想预测哪一组事件将发生。其思想是，有些事件是反复发生的/总是在一段时间过去之后发生的，而另一些事件则很少发生或没有任何结构。LSTM应该能够捕捉到这些反复发生的事件，以便预测未来几天的发生情况。
为了显示事件，我使用一个值为0和1(无发生和发生)的列表。例如，如果我有活动“去学校”，“去健身房”，“买一台电脑”，我有一个清单，比如1，0，1，1，0，1，0，1，1，1，0等等。这个想法是，LSTM会意识到我每天都去上学，每隔一天去健身房，买一台电脑是非常罕
浏览 2提问于2022-05-03得票数 1
我在python中有一个神经网络类，它使用反向传播来返回权重的变化与我的成本函数的变化的关系。然后，我通过这个函数运行它
def GradientDescent(self,DcOverDwL_jk,stepSize):
self.NegGrad = -1*(DcOverDwL_jk)
self.change = stepSize*self.NegGrad
这听起来可能是一个愚蠢的问题，但是我现在该如何处理"change“值呢？我要把这个加到网络中的每个权重上吗？提前谢谢。
浏览 4提问于2020-01-30得票数 0
之前，我实现了2个CNN模型(Resnet50v2和inceptionResNetv2)，数据集包含3662张图像。在Google colab的训练和验证过程中，这两种方法都工作得很好。现在我再次重新运行完全相同的代码，每个时期的训练样本本身减少到每个时期只有92个样本(在2929个/时期之前)。两个型号使用不同的笔记本，它们现在都是这样的。 我想这可能是因为内存有限(在使用google colab一个月后，它似乎减少了一半)，所以我升级到了25G内存的Colab pro。这并不能解决问题。 有没有人有同样的问题？任何人都能给出一个线索，可能是什么原因和解决方案？非常感谢！ 以下是工作流程末
浏览 10提问于2020-04-01得票数 1
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
