| 文章要像女孩子的裙子一样,短点,短点,再短点

文章 15

访客 516

声望 65

第12名

Blog

查准率和查全率

其实这个问题比较简单,症结不在于正例多,而是验证标准。一般情况下,大家都在用accuracy作为验证指标。比如经常说,我的模型,在测试集上的acc是98%,所以很厉害。

求导的泛化

机器学习的过程中,其实经常用到求导。而机器学习的数据一般都是Tensor(张量)输入。所以针对Tensor的求导是比较重要的知识。

Tensorflow的基本使用

有朋友经常问我,Tensorflow究竟是怎么回事,为什么那么反人类,先要设定很多东西,最后才有个session。而且在python中,大家都习惯于交互式编程。Tensorflow的那种方式更加让人不明白了。

如何在服务器上搭建一个Anaconda环境

wget https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh

用Tensorflow实现CapsNet

https://github.com/ageron/handson-ml/blob/master/extra_capsnets.ipynb

Tensorflow如何使用GPU加速学习

首先下载CUDA https://developer.nvidia.com/cuda-80-ga2-download-archive然后下载 cuDNN https://developer.nvidia.com/rdp/cudnn-download (这个还要先注册开发者)最后下载 Visual Studio Community 2015 with Update 3 (English) https://my.visualstudio.com/Downloads?pid=20867个g,下载以后自定义安装只要6个g,是不是觉得很赚

Tensorflow中的GradientDescentOptimizer 和AdamOptimizer 的比较

常用tensorflow的朋友一定对这两个优化器不陌生。那么这两个优化器究竟差异在哪里,我什么时候该用GradientDescentOptimizer,什么时候该用AdamOptimizer呢。

使用sklearn分割数据集

比如用np生成一个和数据集一样大小的列表mask,然后mask>0.8,这样做好以后,就能区分开来了。不过既然有工具,我们就不用这种方式了。

使用tensorboard来测试超参数

大家调试超参数也调试很久了,不过除了肩扛手提的手工模式(觉得某个参数有问题,然后就去调整,然后看看效果),其实我们还可以加上tensorboard来可视化效果。

深度学习正则化附带TensorFlow实现

正则化又分为L1正则化和L2正则化(也可以叫做weight decay)。因为L1正则化会造成参数稀疏(使很多w为0),所以一般使用L2正则化。

偏差和方差和过拟合

最左边代表数据预测不准,而最右边则代表数据预测比较离散。而分别对应的就是我们深度学习中的underfitting (低拟合度)和overfitting(过拟合)

CapsNet初步理解

最近大神Hinton发了论文。而且还发了两篇。一篇在这https://arxiv.org/abs/1710.09829,一篇在这https://openreview.net/pdf?id=HJWLfGWRb
    1 2

 ©2017 studyai.com 版权所有

关于我们