摘要：
Fashion MNIST数据集介绍 一、总结 一句话总结： 甲)、Fashion-MNIST和mnist数据集非常相似，都是60000训练10000测试，图片也都是28*28 乙)、不过mnist是手写数字0-9分类，Fashion MNIST是服装的分类（T恤、衣服、裤子、鞋子等） 二、Fash 阅读全文
posted @ 2020-09-15 22:40
范仁义
阅读(3872)
评论(0)
推荐(0)
摘要：
categorical_crossentropy和binary_crossentropy的区别 一、总结 一句话总结： A)、见名知意即可，其实从名字上也可以看出来binary=二元，不可以用于多分类任务， B)、简单地说，binary_crossentropy经常搭配sigmoid分类函数，cat 阅读全文
posted @ 2020-09-15 22:20
范仁义
阅读(1334)
评论(0)
推荐(0)
摘要：
Tensorflow2（预课程） 5.1、手写数字识别-层方式 一、总结 一句话总结： 1、记得归一化：train_x = train_x/255 2、one_hot编码之后，损失函数是：categorical_crossentropy 3、输入数据记得打平：model.add(tf.keras.l 阅读全文
posted @ 2020-09-15 20:22
范仁义
阅读(682)
评论(0)
推荐(0)
摘要：
Tensorflow2（预课程） 4.1、逻辑回归实例-层方式 一、总结 一句话总结： 可以看到，相比于mse损失函数，cross entropy函数无论是收敛速度，还是最后的测试集的准确率都更加优秀 # 构建容器 model = tf.keras.Sequential() # 输出层 model. 阅读全文
posted @ 2020-09-15 16:47
范仁义
阅读(206)
评论(0)
推荐(0)
摘要：
交叉熵损失函数（作用及公式推导） 一、总结 一句话总结： $$C = - \frac { 1 } { n } \sum _ { x } [ y \ln a + ( 1 - y ) \ln ( 1 - a ) ]$$ 1、平方差损失函数的不足？ 使用平方差损失函数训练ANN，看到的实际效果是，如果误差 阅读全文
posted @ 2020-09-15 13:08
范仁义
阅读(10938)
评论(0)
推荐(1)
摘要：
交叉熵损失函数小结 一、总结 一句话总结： 交叉熵刻画的是实际输出（概率）与期望输出（概率）的距离，也就是交叉熵的值越小，两个概率分布就越接近。 1、交叉熵损失函数和平方差损失函数的区别？ [①]、平方差所惩罚的是与损失为同一数量级的情形 [②]、分类问题用交叉熵损失函数，因为分类问题是概率：对于分 阅读全文
posted @ 2020-09-15 12:20
范仁义
阅读(275)
评论(0)
推荐(0)
摘要：
pandas的随机打乱数据集sample函数 一、总结 一句话总结： [甲]、设置frac=0.5表示随机抽取50%的数据 [乙]、df=df.sample(frac=1.0) #打乱所有数据 二、pandas：sample函数解释 转自或参考：pandas：sample函数解释http://blo 阅读全文
posted @ 2020-09-15 01:42
范仁义
阅读(1784)
评论(0)
推荐(0)
摘要：
pandas库疑难问题 1、pandas打乱数据集 一、总结 一句话总结： pandas可以用sample方法返回random sample，可以用reset_index方法reset打乱之后的index df=df.sample(frac=1.0) #打乱所有数据 df=df.reset_inde 阅读全文
posted @ 2020-09-15 00:17
范仁义
阅读(975)
评论(0)
推荐(0)
浙公网安备 33010602011771号