祥瑞哈哈哈

2022年12月3日

摘要：因为我每次初始化不同的模型表现不同，我猜测可能是过拟合，于是我决定根据第一层神经网络的权重来选择特征。效果不是很好。代码: w1=[ 1.9525, 6.5730, 2.8011, 2.9227, 6.5043, 5.2393, -4.5891, -7.5931, -7.5758, -4.5269 阅读全文

posted @ 2022-12-03 09:34 祥瑞哈哈哈阅读(50) 评论(0) 推荐(0)

深度神经网络

摘要： network=nn.Sequential(nn.Linear(36,2),nn.Sigmoid(),nn.Linear(2,2),nn.Sigmoid(),nn.Linear(2,1),nn.Sigmoid()) network=nn.Sequential(nn.Linear(36,4),nn.S 阅读全文

posted @ 2022-12-03 08:58 祥瑞哈哈哈阅读(115) 评论(0) 推荐(0)

2022年12月2日

0.875的准确率

摘要：我调了下模型， nn.Linear(36,2),nn.Sigmoid(),nn.Linear(2,2),nn.Sigmoid(),nn.Linear(2,1),nn.Sigmoid(). 原先是(36,3)(3,1)的全连接神经网络。但是容易过拟合，但是我随便调了下调成了。(36,2)(2,2)(2 阅读全文

posted @ 2022-12-02 17:49 祥瑞哈哈哈阅读(30) 评论(0) 推荐(0)

过拟合导致模型在验证集表现差的原因。

摘要：模型是根据特征来进行划分，如果模型复杂无关特征比较多。可能模型会根据无关特征去区分数据。因此过拟合会导致模型在验证集的准确率更低。阅读全文

posted @ 2022-12-02 17:36 祥瑞哈哈哈阅读(36) 评论(0) 推荐(0)

程序和模型

摘要：取了训练集中所有频域>0.1的频率作为特征。可能是我停的比较早。准确率为0.83的代码。 import matplotlib.pyplot as plt import numpy as np import pandas as pd import torch import torch.fft as 阅读全文

posted @ 2022-12-02 17:15 祥瑞哈哈哈阅读(29) 评论(0) 推荐(0)

准确率为0.71的程序

摘要：这里我只把时域转为了频域。 import matplotlib.pyplot as plt import numpy as np import pandas as pd import torch import torch.fft as fft df = pd.read_csv('train.csv' 阅读全文

posted @ 2022-12-02 14:55 祥瑞哈哈哈阅读(18) 评论(0) 推荐(0)

准确率为0.81的程序

摘要：因为我观察了baseline错误分类数据的频域发现，他们的振幅所处的频率相同，因此我想用振幅比较大对应的频率来分。我选择这些数据中振幅大于0.1的振幅对应的频率。需要改进的地方可能是应该采取所有训练集中大于0.1振幅的频率。 import matplotlib.pyplot as plt impor 阅读全文

posted @ 2022-12-02 14:54 祥瑞哈哈哈阅读(22) 评论(0) 推荐(0)

完整的提交代码

摘要： import matplotlib.pyplot as plt import numpy as np import pandas as pd import torch import torch.fft as fft df = pd.read_csv('train.csv') df=df.drop([ 阅读全文

posted @ 2022-12-02 14:50 祥瑞哈哈哈阅读(28) 评论(0) 推荐(0)

2022年12月1日

gpu训练模型cpu进行推理会变慢吗

摘要：答会的。实验如下可以先用cpu推理，gpu训练模型。接着关闭训练程序开启推理，推理会比训练快很多。阅读全文

posted @ 2022-12-01 19:53 祥瑞哈哈哈阅读(128) 评论(0) 推荐(0)

numpy获取数组最大值和索引

摘要：他俩都是在60频率但是不清楚每个频率的振幅分布在哪。 import matplotlib.pyplot as plt import numpy as np import pandas as pd import torch import numpy as np df = pd.read_csv('tr 阅读全文

posted @ 2022-12-01 14:26 祥瑞哈哈哈阅读(276) 评论(0) 推荐(0)

公告