内容选择
全部
内容选择
内容分类
  • 学堂
  • 博客
  • 论坛
  • 开发服务
  • 开发工具
  • 直播
  • 视频
  • 用户
时间
  • 一周
  • 一个月
  • 三个月
  • 深度学习入门》笔记 - 22

    神经网络模型建立好了之后,必然要进行模型的评估来了解神经网络的表现。 神经网络的因变量通常有两种数据类型,定量数据和定性数据。不同因变量数据类型对应的模型误差的定义也不一样。当因变量为定性数据时,模型误差可以进一步分为两个类型: 假阳性率, FPR False Positive Rate

    作者: 黄生
    38
    3
  • 深度学习入门》笔记 - 24

    解决欠拟合问题的方法比较简单,增加模型复杂度就可以了。常见的方法是增加隐藏层的数量或者增加隐藏层的节点数,或者二者同时增加。如果训练误差持续下降,接近于0。而测试误差在下降后变得平稳,甚至略有上升。训练误差和测试误差的差距较大。这就是典型的过拟合情况。在建立神经网络模型的初始阶段

    作者: 黄生
    38
    2
  • 深度学习之聚类问题

    关于聚类的一个问题是聚类问题本身是病态的。这是说没有单一的标准去度量聚类的数据对应真实世界有多好。我们可以度量聚类的性质,例如每个聚类的元素到该类中心点的平均欧几里得距离。这使我们可以判断能够多好地从聚类分配中重建训练数据。然而我们不知道聚类的性质多好地对应于真实世界的性质。此外

    作者: 小强鼓掌
    536
    1
  • 深度学习入门》笔记 - 25

    L2惩罚法也是一个经典的正则化方法。 它是在原有损失函数的基础上,在构造一个新的损失函数。(带有惩罚项 是一个超参数)模型集成(model ensemble)可以提供模型的预测准确度,思想就是, 先训练大量结构不同的模型,通过平均、或投票方式综合所有模型的结构,得到最终预测。在实际中,有较大限制,原因很简单,

    作者: 黄生
    20
    1
  • 深度学习入门》笔记 - 14

    6253.png) 接下来实在是看不下去了,还有求偏导数的主要技巧用到了链式法则,还有其他的太难看了。所以这一小部分跳过。 接下来的内容是深度神经网络。 ![image.png](https://bbs-img.huaweicloud.com/data/forums/attach

    作者: 黄生
    60
    2
  • 深度学习之批量算法

    促使我们从小数目样本中获得梯度的统计估计的动机是训练集的冗余。在最坏的情况下,训练集中所有的 m 个样本都是彼此相同的拷贝。基于采样的梯度估计可以使用单个样本计算出正确的梯度,而比原来的做法少花了 m 倍时间。实践中,我们不太可能真的遇到这种最坏情况,但我们可能会发现大量样本都对

    作者: 小强鼓掌
    317
    1
  • 深度学习入门》笔记 - 27

    下面用之前的广告数据,来建立线性回归模型,看看tensorflow2的一般建模过程。import numpy as np #1. 数据预处理:装载广告数据 def loadDataSet(): x=[];y=[] f=open('./Ad.csv')

    作者: 黄生
    22
    2
  • 深度学习之快速 Dropout

    使用Dropout训练时的随机性不是这个方法成功的必要条件。它仅仅是近似所有子模型总和的一个方法。Wang and Manning (2013) 导出了近似这种边缘分布的解析解。他们的近似被称为快速 Dropout(fast dropout),减小梯度计算中的随机性而获得更快的收

    作者: 小强鼓掌
    541
    1
  • 深度学习之任务分类

    作者: 小强鼓掌
    723
    0
  • 深度学习入门》笔记 - 28

    线性回归模型相当于下面的简单神经网络模型,它没有隐藏层、输出层只有1个节点,激活函数是线性函数。使用 tf.keras.models.Sequential()构建模型使用 model.compile() 设置优化方法、损失函数、评价指标 (损失函数的值即 训练误差;评价指标的值即

    作者: 黄生
    33
    5
  • 深度学习入门》笔记 - 04

    然后就是Python的介绍。包括常见的数据类型,基本算术运算,比较和布尔运算,如何载入额外的模块和包。 基本数据结构有列表、元组、字典和集合。控制结构,内建函数和自定义函数。 然后介绍numpy库,他可以实现快速的算数运算,特别是矩阵运算,运算内部是通过C语言实现的,所以比较快。

    作者: 黄生
    41
    1
  • 深度学习入门》笔记 - 17

    正向传播(Forward Propagation FP)算法指输入值通过神经网络得到输出值的方法。正向传播算法的计算图如下:$sigma$表示sigmoid函数,也就是激活函数。包含损失函数的计算图如下:得到$l_2$,通过$l$计算损失函数L,其中$l$表示求解损失函数的运算。

    作者: 黄生
    35
    3
  • 深度学习之参数绑定

    参数添加约束或惩罚时,一直是相对于固定的区域或点。例如,L2正则化(或权重衰减)对参数偏离零的固定值进行惩罚。然而,有时我们可能需要其他的方式来表达我们对模型参数适当值的先验知识。有时候,我们可能无法准确地知道应该使用什么样的参数,但我们根据领域和模型结构方面的知识得知模型参数之

    作者: 小强鼓掌
    834
    2
  • 深度学习图卷积

    作者: 我的老天鹅
    825
    6
  • 深度学习之梯度下降

    对于牛顿法而言,鞍点显然是一个问题。梯度下降旨在朝“下坡”移动,而非明确寻求临界点。而牛顿法的目标是寻求梯度为零的点。如果没有适当的修改,牛顿法就会跳进一个鞍点。高维空间中鞍点的激增或许解释了在神经网络训练中为什么二阶方法无法成功取代梯度下降。Dauphin et al. (2014)

    作者: 小强鼓掌
    331
    2
  • 深度学习入门》笔记 - 15

    ```python #定义sigmoid函数 def sigmoid(input): return 1.0/(1+np.exp(-input)) #通过随机梯度下降法估计参数 def logit_model(x,y,w,b,lr=0.1): for iter in range(60):

    作者: 黄生
    202
    2
  • 大数据物流项目:Docker 入门使用(二.五)

    ## 10–[掌握]-Docker 配置阿里云镜像加速 > ​        鉴于国内网络问题,后续拉取 Docker 镜像十分缓慢,配置加速器来解决,配置阿里云加速器。 - 1)、登录阿里云地址(需要注册) [外链图片转存失败

    作者: Maynor学长
    发表时间: 2022-06-01 11:05:36
    417
    0
  • 好好编程-物流项目16【基础数据-修改和删除】

    基础数据管理 修改 basic.jsp页面修改"修改"链接的地址 进入BasicDataContr

    作者: 波波烤鸭
    发表时间: 2022-03-30 17:30:48
    607
    0
  • 好好编程-物流项目02【tomcat插件启动web项目】

    文章目录 tomcat插件1.为什么要用tomcat插件2.配置tomcat插件3.启动3.1修改jsp文件的编码方式:3

    作者: 波波烤鸭
    发表时间: 2022-03-29 18:14:29
    520
    0
  • 物联网在物流工程前期管理中运用

    之间的沟通一直不畅,除了少数的几家物流企业能够给消费者比较好的物流体验,绝大部分的物流企业无法对物流过程进行保证,甚至一些消费者不知道自己购买或者寄出的商品的行踪,因此提升物流行业的运营效率,降低物理企业的物流成本,提升物流企业的服务水平对于物流行业的发展是至关重要的。在当前5G

    作者: 泽宇-Li
    37
    5