2020年4月27日

Task04

摘要: import time from selenium import webdriver driver = webdriver.Chrome(executable_path="D:\chromedriver\chromedriver.exe") driver.get("https://news.qq.c 阅读全文

posted @ 2020-04-27 21:20 Debug的杰兄 阅读(171) 评论(0) 推荐(0) 编辑

2020年4月21日

Task1-机器学习算法基础

摘要: ·损失函数:单一样本预测错误程度————越小越好·代价函数:全部样本集的平均误差目标函数:代价函数、正则化函数,最终优化者 设定目标函数的原因:代价函数可以度量全部样本集的平均误差。模型过大,预测测试集会出现过拟合。 练习 1 #os.environ["CUDA_VISIBLE_DEVICES"] 阅读全文

posted @ 2020-04-21 13:15 Debug的杰兄 阅读(180) 评论(0) 推荐(0) 编辑

2020年3月22日

TensorFlow学习

摘要: Tensorflow安装 总体来说还是要废好大周折的,捣鼓了两三天,可算是整完了,现在装大多装的是tensorflow2.0,官网提供的测试代码可能无法运行。起初不知,不知因为这个问题重装了多少遍,感觉电脑要被我整废了。。。。装的版本分为两个:cpu 、gpu。 cpu:这个比较好办,但根据教程,( 阅读全文

posted @ 2020-03-22 17:27 Debug的杰兄 阅读(142) 评论(0) 推荐(0) 编辑

2020年2月23日

小匠_碣 第三周期打卡 Task06~Task08

摘要: Task06:批量归一化和残差网络;凸优化;梯度下降 批量归一化和残差网络 对输入的标准化(浅层模型) 处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。 标准化处理输入数据使各个特征的分布相近 批量归一化(深度模型) 利用小批量上的均值和标准差,不断调整神经网络中间输出,从而使整个神 阅读全文

posted @ 2020-02-23 18:09 Debug的杰兄 阅读(353) 评论(0) 推荐(0) 编辑

2020年2月19日

小匠第二周期打卡笔记-Task05

摘要: 一、卷积神经网络基础 知识点记录: 神经网络的基础概念主要是:卷积层、池化层,并解释填充、步幅、输入通道和输出通道之含义。 二维卷积层: 常用于处理图像数据,将输入和卷积核做互相关运算,并加上一个标量偏置来得到输出。卷积层的模型参数包括卷积核和标量偏置。 1 class Conv2D(nn.Modu 阅读全文

posted @ 2020-02-19 19:36 Debug的杰兄 阅读(235) 评论(0) 推荐(0) 编辑

2020年2月16日

小匠第二周期打卡笔记-Task04

摘要: 一、机器翻译及相关技术 机器翻译(MT):将一段文本从一种语言自动翻译为另一种语言,用神经网络解决这个问题通常称为神经网络翻译(NMT)。 主要特征:输出是单词序列而不是单个单词。输出序列的长度可能与源序列的长度不可。 数据预处理: 将数据集清洗、转化为神经网络的输入minbatch 空格处理编码。 阅读全文

posted @ 2020-02-16 16:44 Debug的杰兄 阅读(171) 评论(0) 推荐(0) 编辑

2020年2月15日

小匠第二周期打卡笔记-Task03

摘要: 一、过拟合欠拟合及其解决方案 知识点记录 模型选择、过拟合和欠拟合: 训练误差和泛化误差: 训练误差 :模型在训练数据集上表现出的误差, 泛化误差 : 模型在任意一个测试数据样本上表现出的误差的期望,常常用测试数据集上的误差来近似。 二者的计算都可使用损失函数(平方损失、交叉熵) 机器学习模型应关注 阅读全文

posted @ 2020-02-15 15:30 Debug的杰兄 阅读(142) 评论(0) 推荐(0) 编辑

2020年2月14日

小匠第一周期打卡笔记-Task02

摘要: 一、文本预处理 预处理通常包括四个步骤: 读入文本 分词 建立字典,将每个词映射到一个唯一的索引(index) 将文本从词的序列转换为索引的序列,方便输入模型 读入文本: 1 import collections 2 import re 3 4 def read_time_machine(): 5 阅读全文

posted @ 2020-02-14 09:38 Debug的杰兄 阅读(134) 评论(0) 推荐(0) 编辑

2020年2月13日

小匠第一周期打卡笔记-Task01

摘要: 一、线性回归 知识点记录 线性回归输出是一个连续值,因此适用于回归问题。如预测房屋价格、气温、销售额等连续值的问题。是单层神经网络。 线性判别模型 判别模型 性质:建模预测变量和观测变量之间的关系,亦称作条件模型 分类:确定性判别模型:y=fθ(x) 概率判别模型:pθ(y|x) 线性判别模型(li 阅读全文

posted @ 2020-02-13 19:14 Debug的杰兄 阅读(404) 评论(0) 推荐(0) 编辑

线性回归-Fork

摘要: 线性回归 主要内容包括: 线性回归的基本要素 线性回归模型从零开始的实现 线性回归模型使用pytorch的简洁实现 线性回归的基本要素 模型 为了简单起见,这里我们假设价格只取决于房屋状况的两个因素,即面积(平方米)和房龄(年)。接下来我们希望探索价格与这两个因素的具体关系。线性回归假设输出与各个输 阅读全文

posted @ 2020-02-13 16:00 Debug的杰兄 阅读(454) 评论(0) 推荐(0) 编辑

导航