- 上次讲了二分类的实例，今天来探究多分类的问题 实战 iris数据集的介绍 iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Ve... 上次讲了二分类的实例，今天来探究多分类的问题 实战 iris数据集的介绍 iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Ve...
- 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...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签