回调函数Callbacks回调函数是一组在训练的特定阶段被调用的函数集，你可以使用回调函数来观察训练过程中网络内部的状态和统计信息。通过传递回调函数列表到模型的.fit()中，即可在给定的训练阶段调用该函数集中的函数。【Tips】虽然我们称之为回调“函数”，但事实上Keras的回调函数是一个类，回调函数只是习惯性称呼Callbackkeras.callbacks.Callback()这是回调函数的
目录模块Layer功能输入输出代码Model功能输入输出代码Train功能代码Config功能代码Utils功能代码 本文是GCN(Semi-Supervised Classification with Graph Convolutional Networks, by Thomas N. Kipf)的tensorflow 2 实现的学习笔记。本文的目的是通过梳理作者实现GCN的思路，学习使用TF
转载
2024-04-29 17:13:56
89阅读
原始GNN是应用在带标签信息的节点和无向边的图上，这是最简单的图结构。但是世界上有很多不同种类的图，而这就要求不同的GNN来处理。这里介绍几种不同种类的图：有向图：无向边可以当作节点中存在两个有向边。但有向边能够比无向边带来更多的信息。比如说知识图谱中就用到了有向边，来确定父项和子项。异构图：异构图是指存在几种不同类型的节点。处理异构图最简单的方法是把节点的类型视为节点特征的一部分，拼接到节点原有
转载
2024-03-26 07:03:07
198阅读
在目前的机器学习领域中，最常见的三种任务就是：回归分析、分类分析、聚类分析。在之前的文章中，我曾写过一篇<15分钟带你入门sklearn与机器学习——分类算法篇>。那么什么是回归呢？回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。回归分析在机器学习领域应用非常广泛，例如，商品的销量预测问题，交通流量预测问题。那么，如何为这些回归问题选择最合适的机器
转载
2024-07-17 06:34:09
166阅读
day10 数据分析线性回归例子城市气候与海洋的关系研究import numpy as np
import pandas as pd
from pandas import DataFrame,Series
import matplotlib.pyplot as plt
%matplotlib inline导入数据各个海滨城市数据ferrara1 = pd.read_csv('./ferrara_
转载
2024-07-31 16:45:19
33阅读
1.项目背景K近邻算法回归模型则将离待预测样本点最近的K个训练样本点的平均值进行待预测样本点的回归预测。K近邻除了能进行分类分析，还能进行回归分析，即预测连续变量，此时的KNN称为K近邻回归模型。回归问题是一类预测连续值的问题，而能满足这样要求的数学模型称作回归模型，本项目应用K近邻回归模型进行探索新冠疫情、原材料、人工、物流等因素对零部件价格的影响。2.数据获取本次建模数据来源于网络(本项目撰写
转载
2024-03-08 16:42:47
61阅读
《Semantic Graph Convolutional Networks for 3D Human Pose Regression》论文解读 Abstract 1. Introduction 2. Related work3. Semantic Graph Convolutional Networks3.1. ResGCN: A Baseline3.2. Semantic Graph Con
转载
2024-10-29 11:11:27
49阅读
写在开头由于某些原因开始了机器学习，为了更好的理解和深入的思考（记录）所以开始写博客。学习教程来源于github的Avik-Jain的100-Days-Of-MLCode英文版：https://github.com/Avik-Jain/100-Days-Of-ML-Code中文翻译版：https://github.com/MLEveryday/100-Days-Of-ML-Code本人新手一枚，所
引言算法在工程中的应用越来越广泛，tensorflow在工业界大放异彩。笔者的项目也使用了LSTM算法的预测能力，大大降低了运用的成本，提高了运营效率。为了体验tensorflow的开发模式，笔者使用tensorflow实现了一个基于LSTM算法的预测实例，与大家分享。LSTM的前世今生在LSTM之前，我们先介绍另一个如雷贯耳的名词RNN(Recurrent Neural Networks)，中文
转载
2024-03-27 11:13:24
8阅读
环境配置win10Python 3.6tensorflow1.15scipymatplotlib (运行时可能会遇到module tkinter的问题)sklearn 一个基于Python的第三方模块。sklearn库集成了一些常用的机器学习方法。 代码实现import matplotlib.pyplot as plt
import numpy as np
import ten
转载
2024-03-22 21:50:22
38阅读
上一篇文章我们讲了TensorFlow的一些基本用法，这次我们来写一个简单的例子非线性回归模型先贴上生成的模型图首先我们要生成一些样本点x_data = np.linspace(-0.5, 0.5, 200)[:, np.newaxis] # 生成200个随机点
noise = np.random.normal(0, 0.02, x_date.shape) # 生成一些干扰项
y_data =
转载
2024-04-05 09:46:24
50阅读
“ 在深度学习领域中，样本数据输入网络之前一般都做一个normalization预处理，把数据钳制到一定范围，确保不同样本的数据都属于同一量级，这样可加快训练速度，并提升训练模型的泛化能力。”全局对比度归一化（Global contrast normalization, 简称GCN）正是这样一种常用的数据预处理方法。01—GCN的统计学基础知识假设有n个数据：将以上每个数据都减去它们的均
转载
2024-04-26 11:44:09
166阅读
在这一篇博客中大概讲一下用tensorflow如何实现一个简单的线性回归模型，其中就可能涉及到一些tensorflow的基本概念和操作，然后因为我只是入门了点tensorflow，所以我只能对部分代码给出相关的tensorflow的概念。线性回归模型的表达式如下：其中，是权重，是偏置，和则是输入数据和对应的模型预测值。在tensorflow中，是用图来表示计算的形式的，图中的每个节点称为一个op(
转载
2024-08-22 10:41:10
56阅读
线性回归算法的主要优点是它的简单性，线性回归的损失函数是平方损失。一般处理连续性问题，比如预测房价等，在本文中，使用 TensorFlow 训练一个简单线性回归模型。线性回归模型 y = wx + b：准备好特征和目标值数据集import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import os
#
转载
2024-04-11 15:25:12
45阅读
文章目录回调函数callbacks一，内置回调函数二，自定义回调函数 回调函数callbackstf.keras的回调函数实际上是一个类，一般是在model.fit时作为参数指定，用于控制在训练过程开始或者在训练过程结束，在每个epoch训练开始或者训练结束，在每个batch训练开始或者训练结束时执行一些操作，例如收集一些日志信息，改变学习率等超参数，提前终止训练过程等等。同样地，针对model
的建模问题中都使用了GNN方法，便去学习了一番，后来发现了一篇非常不错的GNN的可视化解释文章...
转载
2022-08-11 12:35:13
293阅读
线性回归线性回归概述代码实现导包获取训练数据构造预测函数构造损失函数调整预测函数开始训练线性回归概述关于线性回归的具体介绍, 可以参考我的机器学习专栏, 在这里我们就不再赘述.线性回归公式:代码实现导包首先我们需要导入 tensorflow 包和 matplotlib 包.import tensorflow as tffrom matplotlib import pyplot as plt获取训练数据# ------------------1. 获取训练数据------------
原创
2021-02-25 10:07:35
144阅读
学习tensorflow，希望与大家共同进步，下面讲述的是如何利用tensorflow实现一个线性回归的模型的训练。
随机数据
目前的任务是随机100个点，（x, y）在x和y上存在着高斯误差，看下面代码：
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
num_point = 100
poi
转载
2018-08-04 07:50:48
229阅读
1. np.c[a, b] 将列表或者数据进行合并，我们也可以使用np.concatenate参数说明：a和b表示输入的列表数据2.np.linspace(0, 1, N) # 将0和1之间的数分成N份参数说明：0表示起始数据，1表示末尾数据，N表示生成的分数3.xx, yy = np.meshgrid(np.arange(x.min(), x.max(), N), np.arange
02.TensorFlow 线性回归实验目的1.掌握使用TensorFlow进行线性回归2.掌握TensorFlow的基本运行流程实验原理线性回归是用来度量变量间关系的统计技术。该算法的实现并不复杂，但可以适用于很多情形。正是因为这些原因，以线性回归作为开始学习TensorFlow的开始。不管在两个变量（简单回归）或多个变量（多元回归）情形下，线性回归都是对一个依赖变量，多个独立变量xi，一个随机
转载
2024-05-08 13:06:45
55阅读
