Python: sklearn库 —— 数据预处理数据集转换之预处理数据： 将输入的数据转化成机器学习算法可以使用的数据。包含特征提取和标准化。 原因：数据集的标准化（服从均值为0方差为1的标准正态分布（高斯分布））是大多数机器学习算法的常见要求。 如果原始数据不服从高斯分布，在
转载
2023-07-18 09:38:15
100阅读
# 机器学习中学习率默认
## 1. 什么是学习率
学习率是机器学习中的一个重要参数，用于控制模型在每次迭代中对参数进行调整的幅度。学习率的大小决定了模型训练的速度和准确性，选择合适的学习率可以加快模型的收敛速度，提高模型的性能。
## 2. 学习率的默认值
在机器学习算法中，学习率的默认值通常是根据经验设置的，不同的算法和框架可能会有不同的默认值。下面以几种常见的机器学习算法为例，介绍它
原创
2023-12-27 07:12:34
228阅读
Keras提供两种学习率适应方法，可通过回调函数实现。 1. LearningRateScheduler 该回调函数是学习率调度器. 参数 schedule：函数，该函数以epoch号为参数（从0算起的整数），返回一个新学习率（浮点数） 代码 2. ReduceLROnPlateau 当评价指标不在
转载
2019-03-20 14:49:00
227阅读
2评论
# PyTorch中的学习率
学习率（Learning Rate）是深度学习中特别重要的超参数之一。它控制着模型在训练过程中权重更新的步伐，影响着模型的收敛速度和最终效果。在PyTorch中，合理设置学习率可以帮助模型更快地收敛到最优解，避免梯度爆炸或消失等问题。
## 学习率的定义
学习率是一个介于0和1之间的浮动值，它决定了在每一次迭代中，我们要在损失函数的梯度方向上“走”多远。学习率过
神经网络的初探现在来看一个神经网络的第一个具体例子，它利用了Python库Keras来学习对手写数字进行分类。 Mnist是一个含有10类的28 * 28 灰度图片，可以将“解决”MNIST看作是深度学习的“Hello World”，需要做的是验证实现的算法是否按预期工作。在Keras上加载Mnist数据集from keras.datasets import mnist
(train_images
from keras.callbacks import ReduceLROnPlateaureduce_lr = ReduceLROnPlateau(monitor=‘val_loss’, factor=0.5, patience=2, verbose=1)monitor：监测的值，可以是accuracy，val_loss,val_accuracyfactor：缩放学习率的值，学习率将以lr = lr*factor的形式被减少patience：当patience个epoch过去而模型性能不提升
原创
2022-02-11 10:30:42
395阅读
monitor：被监测的量factor：每次减少学习率的因子，学习率将以lr = lr*factor的形式被减少patience：当patience个epoch过去而模型性能不提升时，学习率减少的动作会被触发mode：‘auto’，‘min’，‘max’之一，在min模式下，如果检测值触发学习率减少。在max模式下，当检测值不再上升
转载
2023-05-18 17:08:33
167阅读
from keras.callbacks import ReduceLROnPlateaureduce_lr = ReduceLROnPlateau(monitor=‘val_loss’, factor=0.5, patience=2, verbose=1)monitor：监测的值，可以是accuracy，val_loss,val_accuracyfactor：缩放学习率的值，学习率将以lr = lr*factor的形式被减少patience：当patience个epoch过去而模型性能不提升
原创
2021-06-18 14:14:11
1939阅读
目录一、数据集加载1.图片数据方法1：数据管道Datasets方法2：生成器generator2.文本数据二、模型的构建1.利用网络的API直接搭建，从INPUT开始2.自定义model3.自定义Layer4.利用提供的网络模型三、模型的编译（定义优化方法、损失函数、评价）内置优化器：内置损失函数：自定义损失函数a.函数的形式b.类的形式四、回调函数callback内置回调函数的类：自定义回调函
转载
2024-03-08 21:37:07
67阅读
本次练习使用torchvision下载 cifar10数据
步骤为：
1定义卷积神经网络
2定义损失函数
3在训练集上训练模型
4在测试集上测试模型
5更改GPU训练 # 第一步
# 导入torchvision包下载数据集
import torch
import torchvision
import torchvision.transforms as transforms##下载数据集并对图片进行
转载
2024-03-05 23:58:27
54阅读
python_数据输入在机器学习中对数据的读入，预处理，清洗十分重要，这部分我们就从如何用python读入数据开始（1） 首先我们先来对python的一些数据类型进行一个回顾，暂时就list与numpy做简要介绍我们先看下面的结果：两个类型还是有区别的，可以用list来初始化numpy（以行来堆叠）,list的apend函数可以增加元素，numpy不支持这个函数>>> impor
转载
2024-10-21 10:11:06
43阅读
本文探讨了如何通过强化学习自动优化机器学习模型训练过程中的学习率调度策略，提出了一种名为GreedyLR的轻量级学习率调度算法，相比传统方法能实现更快的收敛速度和更好的泛化性能。
目录1.文章要解决的问题：长期时间序列预测（值得研究的方向）2.解决方法(贡献，创新点)：深度分解架构（Deep Decomposition Architecture）原文部分自相关机制（Auto-correlation mechanism） 这里傅里叶相关的知识大家自己 去网上看吧，挺多的，FFT应用领域很广泛比如还有CV的图像压缩。 3.具体实验数据集概括：完成细节：参数配
keras中LSTM函数包含三个参数：第一个是样品，第二个是时间戳，第三个是特征。输入数据必须是三维的，否则会报错。例如代码这么写：old是四维数据new = LSTM(64)(old)就会报错：需要的是三维，结果传入的函数是四维，就会报错。...
原创
2021-07-09 14:55:25
402阅读
# 深度学习中的Keras简介
Keras是一个高层神经网络API，主要用于简化构建和训练深度学习模型的过程。它以TensorFlow、Theano等深度学习框架为后端，极大地提高了深度学习的开发效率。本文将介绍Keras的基本使用，包括安装、构建模型、训练及评估的基本流程，并附带示例代码。
## 1. 安装Keras
在开始之前，我们需要安装Keras及其依赖的TensorFlow库。可以
原创
2024-08-31 08:57:17
40阅读
keras中LSTM函数包含三个参数：第一个是样品，第二个是时间戳，第三个是特征。输入数据必须是三维的，否则会报错。例如代码这么写：old是四维数据new = LSTM()(old)就会报错：需要的是三维，结果传入的函数是四维，就会报错。...
原创
2022-01-25 15:13:04
545阅读
参加工作两年多了，回头看看突然发现不知道自己都学会了什么，只能从偶尔的记录中找到些东西。没有了刚参加工作时的那份激情，那时候哪怕解决一个很小问题都会写成文档，在很长一段时间里，都会对着这个文件夹傻笑。哎！为了恢复那份激情，整理一下吧！希望能够帮助一些人吧
原创
2014-10-08 16:22:09
634阅读
# Keras深度学习与图像超分辨率
图像超分辨率（Image Super-Resolution，简称ISR）是通过算法提高低分辨率图像的清晰度与细节，使图像更加清晰的技术。近年来，深度学习尤其是卷积神经网络（CNN）在图像超分辨率方面取得了显著的成果。本文将简要介绍利用Keras库实现图像超分辨率的方法，同时附带代码示例。
## 什么是图像超分辨率？
图像超分辨率是一种重建技术，旨在从低分
原创
2024-09-05 05:36:53
108阅读
这篇文章主要介绍了高中生学python用什么书好，具有一定借鉴价值，需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获，下面让小编带着大家一起了解一下。 一、引言美国MIT计算机教育专家Seymour Papert教授最早提出计算思维(Computational Thinking)，后来由美国 CMU 大学Jeannette M.Wing教授在权威期刊 《Communications o
函数式（Functional）模型函数式模型称作Functional，但它的类名是Model，因此我们有时候也用Model来代表函数式模型。Keras函数式模型接口是用户定义多输出模型、非循环有向模型或具有共享层的模型等复杂模型的途径。一句话，只要你的模型不是类似VGG一样一条路走到黑的模型，或者你的模型需要多于一个的输出，那么你总应该选择函数式模型。函数式模型是最广泛的一类模型，序贯模型（Seq
转载
2024-04-19 08:44:47
37阅读
