- 上篇通过实例了解了过拟合，那如何处理将是本文处理的问题 Dropout抑制过拟合 在每一次训练中，随机丢弃一部分隐藏单元，从而加强另一部分单元的学习 原理 取平均的作用：先回到标准的模型没有dropout，我们会用相同的训练数据去训练5个不同的神经网络，一般会得到5个不同的结果，此时我们可以采用“5个结果取均值”或者“对数取胜的投票策略”去决定最懂结果... 上篇通过实例了解了过拟合，那如何处理将是本文处理的问题 Dropout抑制过拟合 在每一次训练中，随机丢弃一部分隐藏单元，从而加强另一部分单元的学习 原理 取平均的作用：先回到标准的模型没有dropout，我们会用相同的训练数据去训练5个不同的神经网络，一般会得到5个不同的结果，此时我们可以采用“5个结果取均值”或者“对数取胜的投票策略”去决定最懂结果...
- 今天写欠拟合和过拟合 这次用德国信用卡数据集 import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline data = pd.read_csv('../dataset/credit-a.csv',header=None) 12345 这次... 今天写欠拟合和过拟合 这次用德国信用卡数据集 import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline data = pd.read_csv('../dataset/credit-a.csv',header=None) 12345 这次...
- 什么是批量标准化 批标准化（Batch Normalization,BN），又叫批量归一化，是一种用于改善人工神经网络的性能和稳定性的技术。 这是一种为神经网络中的任何层提供零均值/单位方差输入的技术。批量标准化用于通过调整和缩放激活来规范化输入层。 在keras中主要使用BatchNormalization keras.layers.BatchNormaliza... 什么是批量标准化 批标准化（Batch Normalization,BN），又叫批量归一化，是一种用于改善人工神经网络的性能和稳定性的技术。 这是一种为神经网络中的任何层提供零均值/单位方差输入的技术。批量标准化用于通过调整和缩放激活来规范化输入层。 在keras中主要使用BatchNormalization keras.layers.BatchNormaliza...
- 今天来探讨模型的保存 Keras使用HDF5文件系统来保存模型。模型保存的方法很容易，只需要使用save()方法即可。 上次训练好了手写数字识别数据集，今天学会如何保存数据集 保存/加载整个模型 Keras 使用了 h5py Python 包。 h5py 是 Keras 的依赖项，应默认被安装 使用 model.save(filepath) 将 Kera... 今天来探讨模型的保存 Keras使用HDF5文件系统来保存模型。模型保存的方法很容易，只需要使用save()方法即可。 上次训练好了手写数字识别数据集，今天学会如何保存数据集 保存/加载整个模型 Keras 使用了 h5py Python 包。 h5py 是 Keras 的依赖项，应默认被安装 使用 model.save(filepath) 将 Kera...
- Pima Indians数据集为糖尿病患者医疗记录数据，是一个二分类问题。本代码采用80%数据训练，20%数据测试的方法。若数据不做归一化处理，最终模型的分类精度为 79.17%；而数据进行归一化以后，最终模型的分类精度为81.38%。 """ 数据集中的feature解释： Number of times pregnent: 怀孕次数 Plasma glucos... Pima Indians数据集为糖尿病患者医疗记录数据，是一个二分类问题。本代码采用80%数据训练，20%数据测试的方法。若数据不做归一化处理，最终模型的分类精度为 79.17%；而数据进行归一化以后，最终模型的分类精度为81.38%。 """ 数据集中的feature解释： Number of times pregnent: 怀孕次数 Plasma glucos...
- keras 中数据预处理 所有的函数都在keras.preprocessing 分别有text ,sequence, image # 文字预处理 txt = "My name is maoli.maoli don't like coding." 12 文字预处理 文字拆分 建立索引 padding（序列补齐） 标注 from keras.prepr... keras 中数据预处理 所有的函数都在keras.preprocessing 分别有text ,sequence, image # 文字预处理 txt = "My name is maoli.maoli don't like coding." 12 文字预处理 文字拆分 建立索引 padding（序列补齐） 标注 from keras.prepr...
- 一旦你利用Keras完成了训练，你可以将你的网络保存在HDF5里面。 keras的模型保存分为多种情况。 一、不保存模型只显示大概结构 model.summary() 这个函数会打印模型结构，但是仅仅是打印到控制台。 keras.utils.plot_model() 使用graphviz中的dot.exe生成网络结构拓扑图 二、保存模型结构 keras.mode... 一旦你利用Keras完成了训练，你可以将你的网络保存在HDF5里面。 keras的模型保存分为多种情况。 一、不保存模型只显示大概结构 model.summary() 这个函数会打印模型结构，但是仅仅是打印到控制台。 keras.utils.plot_model() 使用graphviz中的dot.exe生成网络结构拓扑图 二、保存模型结构 keras.mode...
- Bug： ModuleNotFoundError: No module named 'keras.utils.vis_util' 解决方案： pip install pydot_ng pip install pydot Bug： ModuleNotFoundError: No module named 'keras.utils.vis_util' 解决方案： pip install pydot_ng pip install pydot
- 简介 输入化合物结构smiles并创建一个自动编码器模型，该模型将在尺寸压缩后恢复化合物结构smiles。尽管它不是VAE，不能用于生成化合物，但是可以将编码层（图中的压缩表示）用作分子指纹。 数据集 使用最大无偏验证（MUV）数据集（https://pubs.acs.org/doi/10.10... 简介 输入化合物结构smiles并创建一个自动编码器模型，该模型将在尺寸压缩后恢复化合物结构smiles。尽管它不是VAE，不能用于生成化合物，但是可以将编码层（图中的压缩表示）用作分子指纹。 数据集 使用最大无偏验证（MUV）数据集（https://pubs.acs.org/doi/10.10...
- @Author：Runsen 文章目录 基本卷积神经网络（CNN） 加载数据集 1.创建模型 2.卷积层 3. 激活层 4. 池化层 5. Dense（全连接层） 6. Model compile & train 基本卷积神经网络（CNN） -CNN的基本结构：CNN与MLP相似，因为它们只向前传送信... @Author：Runsen 文章目录 基本卷积神经网络（CNN） 加载数据集 1.创建模型 2.卷积层 3. 激活层 4. 池化层 5. Dense（全连接层） 6. Model compile & train 基本卷积神经网络（CNN） -CNN的基本结构：CNN与MLP相似，因为它们只向前传送信...
- @Author：Runsen 分类任务的MLP 当目标（y）是离散的（分类的） 对于损失函数，使用交叉熵；对于评估指标，通常使用accuracy 数据集描述 CIFAR-10数据集包含10个类中的60000个图像—50000个用于培训，10000个用于测试 有关更多信息，请参阅官方文档 from tensorflow.keras.dataset... @Author：Runsen 分类任务的MLP 当目标（y）是离散的（分类的） 对于损失函数，使用交叉熵；对于评估指标，通常使用accuracy 数据集描述 CIFAR-10数据集包含10个类中的60000个图像—50000个用于培训，10000个用于测试 有关更多信息，请参阅官方文档 from tensorflow.keras.dataset...
- @Author：Runsen 多层感知机（MLP）有着非常悠久的历史，多层感知机(MLP)是深度神经网络(DNN)的基础算法 MLP基础知识 目的：创建用于简单回归/分类任务的常规神经网络（即多层感知器）和Keras MLP结构 每个MLP模型由一个输入层、几个隐藏层和一个输出层组成 每层神经元的数目不受限制 具有一个隐藏层的MLP ... @Author：Runsen 多层感知机（MLP）有着非常悠久的历史，多层感知机(MLP)是深度神经网络(DNN)的基础算法 MLP基础知识 目的：创建用于简单回归/分类任务的常规神经网络（即多层感知器）和Keras MLP结构 每个MLP模型由一个输入层、几个隐藏层和一个输出层组成 每层神经元的数目不受限制 具有一个隐藏层的MLP ...
- tensorflow 对应 的keras 版本 https://docs.floydhub.com/guides/environments/ TensorFlow 2.1tensorflow-2.1TensorFlow 2.1.0 + Keras 2.3.1 on Python 3.6.floydhub/tensorflowTensorFlow-2.1TensorFlow... tensorflow 对应 的keras 版本 https://docs.floydhub.com/guides/environments/ TensorFlow 2.1tensorflow-2.1TensorFlow 2.1.0 + Keras 2.3.1 on Python 3.6.floydhub/tensorflowTensorFlow-2.1TensorFlow...
- ModuleNotFoundError: No module named 'tensorflow.keras' 解决方法： 安装TensorFlow_gpu 2.0 安装后又报错： Could not load dynamic library 'cudart64_100.dll'; dlerror: cudart64_100.dll n... ModuleNotFoundError: No module named 'tensorflow.keras' 解决方法： 安装TensorFlow_gpu 2.0 安装后又报错： Could not load dynamic library 'cudart64_100.dll'; dlerror: cudart64_100.dll n...
- 提前下载： vgg16_weights_tf_dim_ordering_tf_kernels.h5 放在C:\Users\sbd01\.keras\models，改为自己电脑用户目录 Downloading data from https://github.com/fchollet/deep-learning-models/releases/... 提前下载： vgg16_weights_tf_dim_ordering_tf_kernels.h5 放在C:\Users\sbd01\.keras\models，改为自己电脑用户目录 Downloading data from https://github.com/fchollet/deep-learning-models/releases/...
上滑加载中
推荐直播
-
OpenHarmony应用开发之网络数据请求与数据解析2025/01/16 周四 19:00-20:30
华为开发者布道师、南京师范大学泰州学院副教授，硕士研究生导师，开放原子教育银牌认证讲师
科技浪潮中，鸿蒙生态强势崛起，OpenHarmony开启智能终端无限可能。当下，其原生应用开发适配潜力巨大，终端设备已广泛融入生活各场景，从家居到办公、穿戴至车载。 现在，机会敲门！我们的直播聚焦OpenHarmony关键的网络数据请求与解析，抛开晦涩理论，用真实案例带你掌握数据访问接口，轻松应对复杂网络请求、精准解析Json与Xml数据。参与直播，为开发鸿蒙App夯实基础，抢占科技新高地，别错过！
回顾中 -
Ascend C高层API设计原理与实现系列2025/01/17 周五 15:30-17:00
Ascend C 技术专家
以LayerNorm算子开发为例，讲解开箱即用的Ascend C高层API
回顾中
热门标签