1.数据类型TensorFlow主要有以下几种数据类型2.张量1.张量定义TensorFlow 中的 Tensor 表示张量，是多维数组、多维列表，用阶表示张量的维数。0 阶张量叫做标量，表示的是一个单独的数，如 1 2 3；1 阶张量叫作向量，表示的是一个一维数组如[1,2,3]；2 阶张量叫作矩阵，表示的是一个二维数组，它可以有 i 行 j 列个元素，每个元素用它的行号和列号共同索引到，如在[
转载
2024-07-26 07:39:00
89阅读
AI 前线导读： 文本分类是指将给定文本按照其内容判别到一个或多个预先确定的文本类别中的过程。文本分类计数用于识别文档主题，并将之归类到预先定义的主题或主题集合中。需要注意的是，多类文本分类与多标签分类并不同，其中多类分类区别于二分类问题，即在 $n (n>2)$ 个类别中互斥地选取一个作为输出；而多标签分类，是在 n 个标签中非互斥地选取 $m (m 本文介绍了如何基于="" t
转载
2024-10-22 20:42:17
27阅读
import tensorflow as tf
import numpy as np
import os
#%% fileos
def get_files(file_dir):
cats =[]
label_cats = []
dogs = []
label_dogs =[]
转载
2024-02-13 15:02:24
56阅读
★ 这篇论文整理了CNN分类任务中一些常用的Tricks，如改善模型结构，训练过程中的一些Refinements如修改损失函数，数据预处理等，有较大工程意义。
” 1. 前言这篇论文的全名是：Bag of Tricks for Image Classification with Convolutional Neural Networks2. 成果下面的Table1展
转载
2024-05-21 22:45:04
25阅读
目录认识：关于NCNN的模型转换：关于NCNN模型文件的认识:在c++下的推理：认识： ncnn是腾讯优图推出的在手机端极致优化的高性能神经网络前向计架框架，适用于手机端的CPU计算且无需依赖第三方计算库，ncnn只用作推理而非边训练边推理。ncnn 从设计之初深刻考虑手机端的部署和使用。无第三方依赖，跨
转载
2024-05-21 15:46:08
199阅读
1. 超参数调试方法1) Try random values, and donnot use a grid2) Coarse to fine3) using an apporiate scale to pick hyperparameters以对学习率α
α
的调试为例,需要从[0.0001,1]之间随机选择进行调试.显然,随机选出来的
1. 线性回归：知识点：平方损失函数（用来评估评为 i 的样本误差)优化函数-随机梯度下降 当模型和损失函数形式较为简单时，上面的误差最小化问题的解可以直接用公式表达出来。这类解叫作解析解（analytical solution）。 线性回归和平方误差刚好属于这个范畴。 然而，大多数深度学习模型并没有解析解，只能通过优化算法有限次迭代模型参数来尽可能降低损失函数的值。这类解叫作数值解（numeri
转载
2024-06-19 07:30:29
74阅读
多分类问题softmax的分类器为什么要探索多分类之前我们在处理糖尿病数据集的时候我们只是有两种分类，但是很多情况的数据集不只有两种，例如MNIST数据集就是手写数字的数据集有10种不同的标签。所以我们必须有处理多种分类标签的能力。探索多分类是否还可以使用二分类的操作？当然还是可以使用二分类的方法来解决这个问题，某分类设置位p=1其他全部p=0就可以了，还是使用交叉熵损失函数来处理。这里我们要注意
转载
2023-09-27 17:28:54
442阅读
标签：1、概述朴素贝叶斯分类是贝叶斯分类器的一种，贝叶斯分类算法是统计学的一种分类方法，利用概率统计知识进行分类，其分类原理就是利用贝叶斯公式根据某对象的先验 概率计算出其后验概率(即该对象属于某一类的概率)，然后选择具有最大后验概率的类作为该对象所属的类。总的来说：当样本特征个数较多或者特征之间相关性较大时，朴素贝叶斯分类效率比不上决策树模型；当各特征相关性较小时，朴素贝叶斯分类性能最为良好。另
转载
2023-10-11 20:11:55
97阅读
# PyTorch 分类输出结果一致性分析
在深度学习中，使用 PyTorch 训练分类模型时，确保模型在不同运行中输出结果一致性是一个重要课题。本文将探讨如何处理模型的随机性，并通过示例代码演示如何实现分类结果的一致性。我们还将讨论输出结果在不同条件下的变化，并用可视化工具进行展示。
## 1. PyTorch 的随机性
PyTorch 中的模型可能因为多个因素而导致输出结果的差异。这些因
首先先从NN（nearest-neighbor）分类器开始介绍,下图是使用NN分类器对CIFAR-10数据库进行分类的一个结果。可以看出，分类出来的效果并不好，如将车分类成了horse类。那么为什么会造成这样的结果呢？是否可以优化呢？是不是意味着NN或者KNN在实际中就没有用处了呢？我们带着这些疑问继续去学习以下内容。计算出的L1距离越小，意味着与训练图越相似，当为0的时候，两张图就是一模一样了。
NCMConverter：您的音频格式转换得力助手 NCMconverterNCMconverter将ncm文件转换为mp3或者flac文件项目地址:https://gitcode.com/gh_mirrors/nc/NCMconverter 项目简介是一个开源的命令行工具，专门用于将网易云音乐的专有音频格式（NCM）转换为更通用的格式，如MP3或FLAC。该项目旨在帮助用户突破平台限制，让收藏的
# 使用Python的Scikit-Learn输出预测分类结果的项目方案
在机器学习的应用中，分类器的预测结果不仅需要高准确度，还需要用户友好且易于理解的方式展示。本文将展示如何使用Python的Scikit-Learn库来训练模型，并输出预测的分类结果，同时使用可视化工具为结果的解读提供支持。
## 项目背景
在许多行业中，例如医疗、金融和电商等，分类预测都是重要的任务。我们希望通过构建一
# 使用PyTorch根据分类概率过滤模型输出结果的完整指南
在深度学习的应用中，常常需要根据模型输出的分类概率来过滤结果。这不仅提高了结果的可靠性，还能帮助我们聚焦于最有可能的预测。本文将指导您如何使用PyTorch实现此过程，包括必要的代码和解析。
## 整体流程概述
在实现基于概率的分类结果过滤之前，我们需要清晰地了解整个过程，以下是我们需要遵循的步骤：
| 步骤 | 描述
原创
2024-08-21 08:15:23
110阅读
目录一、需求说明二、程序设计三、从指定网站获取新闻1.找一个提供新闻的网站2. 库的安装3. 访问网站，获取页面数据4. 查找最新新闻的链接5. 抓取网页中的新闻文字 一、需求说明关注时事新闻，是发财的第一步。某产品经理提出以下三个需求开发一个程序：1. 每天自动从网上找到新闻2. 自动整理新闻排版成一张图片我想，这不就是我们群里辉哥每天的工作吗，辉哥太辛苦了，我要写一个这样的程序为他减
数据分析步骤及分析报告练习数据分析需要用到库读入数据数据清理数据分析分析报告撰写一、研究背景二、分析思路分析的目的是了解电商的销售情况及用户行为，基于销售中存在的问题及根据客户类型，提出建议。三、分析结果（1）基本销售情况（2）销售渠道分析（3）订单分析（4）客户复购率（5）客户类型分析四、结论建议 这是第一次在博客上发东西，练习练习.是关于一个电商平台的部分数据分析，只是练习，再无他用。数据分
转载
2023-10-26 11:46:23
91阅读
Python3 实现朴素贝叶斯分类贝叶斯定理朴素贝叶斯源代码样例测试 贝叶斯定理贝叶斯定理是由已知事件概率和条件概率计算未知条件概率的概率推理算法，其公式如下： 其中，P(Bi|A)是要计算的目标条件概率，表示事件 A 发生的条件下，事件 Bi 发生的概率。Bi 为互斥且完整的事件 B1，B2，……，Bn 中的一项P(Bi)P(A|Bi)是联合概率P(A Bi)，表示事件 A 和事件 Bi 同时
转载
2023-10-13 22:55:59
57阅读
yolov5输出 json 格式的预测文件
YOLOV5的预测只输出在测试文件中预测标记的数据，如下图。如果想要将预测的 json 格式文件输出该怎么办呢 json 标注数据文件内容包含：name：图片文件名category：类别idbbox：目标框信息xyrb格式，分别指[左上角x坐标，左上角y坐标，右下角x坐标，右下角y坐标]score：预
转载
2024-03-05 21:50:03
145阅读
使用yoloV3进行图片分类：一个待处理的Images文件夹，里面包含要处理的图片；一个目标文件personFile，我这里需要提取含有行人的图片；一个非目标的文件noPersonFile。实际功能是从Images一张一张的读取，使用yolo返回的结果查看该图片是否包含行人，有则把它写入personFile文件中
转载
2024-03-23 09:17:20
87阅读
当训练好一个model之后，我们通常会根据这个model最终的loss和在验证集上的accuracy来判断它的好坏。但是，对于分类问题，我们如果只是知道整体的分类正确率 显然还不够，所以只有知道模型对于每一类的分类结果以及正确率这样才能更好的理解这个模型。 下面就是一个用训练好的模型，来对测试集进行
转载
2016-09-02 18:38:00
207阅读
2评论
