vectorindex-CSDN bác khách

Nguyên sang Vi thập ma nhu yếu thiết trí nghiệm chứng tập (validation)

Dĩ tiền học tập cơ khí học tập, chỉ hữu train hòa test, vi thập ma hiện tại thiêm gia liễu validation? 1. Nhược huấn luyện thời dụng train lai phán đoạn hiện tại mô hình đích huấn luyện tình huống dĩ quyết định huấn luyện kết thúc đích thời gian, kỳ mô hình khả năng chỉ đối train đích huấn luyện tập hiệu quả hảo, vô phiếm hóa năng lực. 2. Nhược huấn luyện thời dụng test lai phán đoạn hiện tại mô hình đích huấn luyện tình huống dĩ quyết định huấn luyện kết thúc đích thời gian, kỳ mô hình khả năng dĩ kinh đối test hiệu quả hảo liễu, tái dụng test bình cổ mô hình bất công bình....

2021-04-13 09:19:24 1033

Nguyên sang Quan vu đoan đáo đoan học tập hòa phi đoan đáo đoan học tập đích giản đan lý giải

Tại khán R-CNN hòa Faster R-CNN, học đáo liễu lưỡng cá từ, đoan đáo đoan học tập hòa phi đoan đáo đoan học tập. 1. Đoan đáo đoan học tập: Thâu nhập X, trực tiếp dự trắc tối chung kết quả Y2. Phi đoan đáo đoan: Nhu yếu đa cá tổ kiện tài năng dự trắc tối chung kết quả ( example:R-CNN nhu yếu đan độc đích huấn luyện tam cá mô khối, bao quát ①CNN đặc chinh hướng lượng đích đề thủ ②SVM phân loại ③ biên khuông tu chính ) kỳ ý nghĩa: Nhược sổ cư tập bất cú huấn luyện, khả dĩ khảo lự phi đoan đáo đoan tượng thông quá nhi đồng thủ cốt X quang dự trắc niên linh, một hữu giá ma đa sổ cư tập, tức thủ cốt dữ niên linh đích tiêu chú sổ cư tập huấn luyện, đãn khả dĩ nhượng kỳ thức biệt cốt đầu, nhiên hậu nã cốt...

2021-04-12 14:52:31 2250

Nguyên sang Quan vu Pytorch gia tái dự huấn luyện mô hình

1. Quan vu Pytorch gia tái dự huấn luyện mô hình tự định nghĩa võng lạc loại đích tự điển thị OrderedDict tự điển, vi thuận tự đích, tức thị án chiếu đại mã trung thanh minh tằng đích tiên hậu thuận tự thâu xuất đích. def __init__(self, in_channel, out_channel, stride=1, downsample=None, **kwargs): super(BasicBlock, self).__init__() self.conv1 = nn.Conv2d(in_channels=in_channel,

2021-04-11 14:55:57 979

Nguyên sang Quan vu Batch hòa quyền trị canh tân đích thời gian

Nhất trực dĩ vi: Thâu nhập nhất trương sổ cư, tựu tiền hướng truyện bá, nhiên hậu phản hướng truyện bá canh tân quyền trọng. ( X ) chính xác lý giải: Thê độ hạ hàng: Tổn thất hàm sổ định nghĩa tại sở hữu dạng bổn thượng. Mỗi thứ đô thị tại sở hữu dạng bổn thượng tác thê độ hạ hàng. Tùy cơ thê độ hạ hàng (SGD): Mỗi thứ tùy cơ tuyển trạch nhất cá dạng bổn, tổn thất hàm sổ định nghĩa tại nhất cá dạng bổn thượng. Mỗi thứ đô thị tại nhất cá dạng bổn thượng tác thê độ hạ hàng. mini batch: Mỗi thứ tùy cơ tuyển trạch batch_size cá dạng bổn, tổn thất hàm sổ định nghĩa tại batch_size cá dạng bổn thượng. Mỗi thứ đô thị tại batch_size cá dạng bổn thượng tác thê độ hạ hàng. Khán công thức khả tri, bất thị nhất cá dạng bổn tựu canh tân nhất thứ quyền trị, Batch nhu yếu toàn bộ toán.

2021-04-10 16:01:53 781

Nguyên sang Pytorch đích Sequential dung khí

Cư thượng đồ khả tri: Suquential truyện nhập đích thị nhất cá Module đích liệt biểu, dã tựu thị kế thừa nn.Module đích loại. Bất năng quang tưởng trứ hạ diện giá kỉ cá Example đích tả pháp, nhất cá Module loại dã thị nhất khối võng lạc ( nhất cá loại bất nhất định yếu định nghĩa hoàn chỉnh đích võng lạc nga, nhất khối dã hành, nhất hành dã hành ), nhất hành nn.Conv2d dã thị nhất khối võng lạc layers = [] layers.append(block(self.in_channel, channel,..

2021-04-10 09:05:41 452

Nguyên sang train mô thức ( net.train()) hòa eval mô thức ( net.eval())

Thần kinh võng lạc mô khối tồn tại lưỡng chủng mô thức, train mô thức ( net.train()) hòa eval mô thức ( net.eval()). Nhất bàn đích thần kinh võng lạc trung, giá lưỡng chủng mô thức thị nhất dạng đích, chỉ hữu đương mô hình trung tồn tại dropout hòa batchnorm đích thời hầu tài hữu khu biệt. Nhất đán ngã môn dụng trắc thí tập tiến hành kết quả trắc thí đích thời hầu, nhất định yếu sử dụng net.eval() bả dropout quan điệu, nhân vi giá lí ngã môn đích mục đích thị trắc thí huấn luyện hảo đích võng lạc, nhi bất thị tại huấn luyện võng lạc, một hữu tất yếu tái dropout hòa tái kế toán BN đích phương soa hòa quân trị (BN sử dụng huấn luyện đích lịch sử trị )....

2021-04-09 16:44:09 3653

Nguyên sang x = x.view(x.size(0), -1) đích lý giải

Pytorch đích tensor đích view phương pháp tương đương vu numpy trung resize ( ) đích công năng, đãn thị dụng pháp khả năng bất thái nhất dạng. Bả nguyên tiên tensor trung đích sổ cư án chiếu hành ưu tiên đích thuận tự bài thành nhất cá nhất duy đích sổ cư ( giá lí ứng cai thị nhân vi yếu cầu địa chỉ thị liên tục tồn trữ đích ), nhiên hậu án chiếu tham sổ tổ hợp thành kỳ tha duy độ đích tensor. Bỉ như thuyết thị bất quản nhĩ nguyên tiên đích sổ cư thị [[[1,2,3],[4,5,6]]] hoàn thị [1,2,3,4,5,6], nhân vi tha môn bài thành nhất duy hướng lượng đô thị 6 cá nguyên tố, sở dĩ chỉ yếu view hậu diện đích tham sổ nhất trí, đắc đáo đích kết quả đô thị nhất dạng X.view(x.size(0),-1), -1 vi thôi đoạn thị kỉ ( tức nhất duy.

2021-04-07 09:32:38 1142

Nguyên sang Quan vu pytorch đích save hàm sổ

# torch.save(Modul.state_dict(),store_dir)# bảo tồn huấn luyện mô hình torch.save(Modul,store_dir)# thượng diện đích chỉ bảo tồn liễu tham sổ trắc thí thời hội 'collections.OrderedDict' object has no attribute 'forward'RT

2021-04-06 18:38:35 1278

Nguyên sang Python hàm sổ trung đích mạo hào hòa tiễn đầu

def sum(a:int,b:int=100) ->int: a = 200 return a+bif __name__ == '__main__': c = sum(a=0) print(c) kỳ thật hàm sổ tham sổ trung đích mạo hào thị tham sổ đích loại hình kiến nghị phù, cáo tố trình tự viên hi vọng truyện nhập đích thật tham đích loại hình. Hàm sổ hậu diện cân trứ đích tiễn đầu thị hàm sổ phản hồi trị đích loại hình kiến nghị phù, dụng lai thuyết minh cai hàm sổ phản hồi đích trị thị thập ma loại hình. Trị đắc chú ý đích thị, loại hình kiến nghị phù tịnh phi cường chế quy định hòa kiểm tra, dã tựu thị thuyết tức sử truyện nhập đích thật tế tham sổ dữ kiến nghị tham sổ bất phù, dã bất hội báo thác...

2021-04-05 18:59:45 394

Nguyên sang Quan vu thần kinh võng lạc trung đích Hyperparameter

Hyperparameter( siêu tham sổ ) tại cơ khí học tập đích trung, siêu tham sổ thị tại khai thủy học tập quá trình chi tiền thiết trí trị đích tham sổ, nhi bất thị thông quá huấn luyện đắc đáo đích tham sổ sổ cư. Thông thường tình huống hạ, nhu yếu đối siêu tham sổ tiến hành ưu hóa, cấp học tập cơ tuyển trạch nhất tổ tối ưu siêu tham sổ, dĩ đề cao học tập đích tính năng hòa hiệu quả. Như quả giá ta siêu tham sổ một hữu thiết trí hợp thích đích trị, mô hình đích tính năng khả năng tựu hội ngận soa. Cảm giác siêu tham sổ đích thiết trí tựu thị tại thí thác điều chỉnh siêu tham sổ đích thời hầu, nhất bàn dụng siêu tham sổ chuyên dụng đích xác nhận sổ cư, thành vi Validation data ( nghiệm chứng sổ cư ). Cá nhân cảm giác: traindata thị dụng lai đắc đáo nhu yếu huấn luyện đắc đáo đích sổ cư, nhiên hậu validation data lai trắc thí nhân vi thiết.

2021-04-05 09:18:49 586

Nguyên sang Thần kinh võng lạc trung Affine layer

Phảng xạ tằng Affine layer thị thần kinh võng lạc trung đích toàn liên tiếp tằng, kỳ trung phảng xạ đích khả dĩ khán tố thị bất đồng tằng thần kinh nguyên chi gian đích tương hỗ liên tiếp, tại hứa đa phương diện khả dĩ bị khán tác thị thần kinh võng lạc đích “Tiêu chuẩn” tằng. Phảng xạ tằng đích nhất bàn hình thức như hạ y = f( wx + b)x thị tằng thâu nhập, w thị tham sổ, b thị thiên soa, f thị phi tuyến tính kích hoạt hàm sổ. Toàn liên tiếp nhất bàn thông thường bị dụng vu quyển tích thần kinh võng lạc thâu xuất đích tối chung tằng...

2021-04-04 09:58:44 767

Nguyên sang Python loại trung đích biến lượng

Nhất, loại biến lượng 1.1 khả biến biến lượng tác vi loại biến lượng: Đối vu liệt biểu, tự điển, tự định nghĩa loại giá ta khả biến biến lượng, như quả tương kỳ tác vi loại biến lượng, tắc thị truyện dẫn dụng. Tức sở hữu đối tượng đích loại biến lượng công dụng nhất cá nội tồn địa chỉ. 1.2 bất khả biến biến lượng tác vi loại biến lượng: Đối vu INT, STRING giá chủng bất khả biến biến lượng, như quả tương kỳ tác vi loại biến lượng, tắc thị truyện trị. Tức sở hữu đối tượng đích loại biến lượng hữu các tự đích nội tồn địa chỉ. Đối vu 1.2: Đệ nhất thứ đối tượng đích biến lượng một cải, cải loại đích biến lượng hội ảnh hưởng đối tượng biến lượng, chỉ yếu cải nhất thứ đối tượng biến lượng, tựu bất hội ảnh hưởng liễu A.ui = 10 print(object1.ui) object1.ui = 5...

2021-04-03 15:43:40 754

Nguyên sang Python đích Input bất tiến hành chuyển nghĩa

print('\\\n')a = input()print(a)output: \ # đối tự phù xuyến \\\n đích thâu xuất \\\n #input tiếp thu đích thâu nhập \\\n tổng thượng sở thuật: input hội đối thâu nhập nguyên dạng thâu xuất, bất tiến hành chuyển nghĩa

2021-04-03 11:03:39 506

Nguyên sang Numpy( đệ tứ chương )

Numpy hoa thức tác dẫn bố nhĩ loại hình or vị trí tác dẫn a = np.array(range(0,11))print(a)print(a>5)print(a[ [False,False,False,False,False,False,True,True,True,True,True]])print(a[(a>5)&(a%2==0)])print(a[[1,2,3]]) chú ý khu biệt a[1,2,3] dữ a[[1,2,3]]: Đệ nhất cá vi thủ a[1][2][3] đệ nhị cá vi thủ a đệ nhất hành đích 1, 2...

2021-04-03 08:25:30 65

Nguyên sang Im2col+GEMM khoái tốc quyển tích

Hạch tâm tư tưởng: Tương quyển tích thao tác ( nhất cá cá sổ cư song khẩu tương thừa cầu hòa ) biến vi củ trận thừa pháp, tiến hành khoái tốc kế toán như hà tương phổ thông quyển tích đích thao tác biến thành hữu ý nghĩa đích củ trận tương thừa??? Quan kiện điểm: Phổ thông quyển tích thao tác: Tức ① đối ứng vị trí tương thừa, chi hậu luy gia. Đãn như quả bả w củ trận dĩ cập x bị w quyển khởi lai đích bộ phân ② lạp trực ( triển bình ), tựu biến thành liễu lưỡng cá hướng lượng. ③ nhiên hậu hướng lượng đối ứng vị trí tương thừa chi hậu luy gia, thử hình thức tựu biến thành liễu lưỡng cá hướng lượng điểm thừa, như quả bả x bị quyển đích bộ phân toàn bộ lạp trực biến thành hướng lượng, ④ hướng lượng tổ hợp thừa củ trận. Bả mỗi nhất cá quyển tích hạch dã đô lạp trực, thấu khởi lai biến thành củ trận. Lợi dụng củ trận lai tiến hành đa cá hướng lượng đích điểm thừa, ⑤ biến thành liễu củ trận thừa pháp. Toán xuất lai reshape nhất hạ tựu biến hồi khứ liễu. ①② tựu thị Im2.

2021-04-02 09:18:50 692

Nguyên sang Numpy( đệ tam chương )

Đối tượng đích tác dẫn dữ thiết phiến 1.Array đối tượng đích tác dẫn print(e[0,0,1,0])# nhất cá sổ đích tác dẫn tựu thị quát hào tòng ngoại đáo nội thử xử tương đương vu liệt biểu đích e[0][0][1][0], kỳ tác dẫn đích ý nghĩa vi tòng quát hào do ngoại đáo nội tác dẫn 2.Array đối tượng đích thiết phiến c = a[0:4]#a[:4] a[4:] giá dạng dã thị cải c1 = a[5:8].copy() # giá dạng tài bất hội cải a đích trị d = [i for i in range(10)]b = [i for i in range(4)]w = d[0:4] # giá chủng thiết phiến tựu copy liễu cá...

2021-04-01 17:53:49 73

Nguyên sang Quyển tích thần kinh võng lạc dữ nhân công thần kinh võng lạc

1. Quyển tích tằng: Mỗi cá quyển tích hạch sản sinh nhất trương đề thủ hậu đích đan thông đạo đồ tượng (3 thông đạo tiến hành quyển tích hậu dã thị 1 trương liễu, nhân vi luy gia liễu )2.pooling tằng: Đối mỗi trương củ trận thị đan liên tiếp đích, tức nhất trương củ trận đối ứng nhất cá pooling. 3. Toàn liên tiếp tằng: Tương đương dữ bả 3 trương đồ tượng, tức [C,W,H] tiến hành triển bình vi C*W*H cá thần kinh nguyên, toàn liên tiếp đáo toàn liên tiếp tằng quyển tích tằng bất yếu hòa toàn liên tiếp hỗn liễu! Khán đồ dĩ vi quyển tích bất dã thị toàn liên tiếp mạ??? ANN vi toàn bài liệt phương thức triển kỳ xuất lai, tức 1 duy độ, nhi CNN mỗi tằng đích thần kinh nguyên đô thị 3 duy độ triển kỳ xuất lai, đãn kỳ nội bộ đích thật hiện nguyên lý đô thị do thần kinh nguyên mô hình tổ thành đích thần kinh võng lạc tả biên thị thật tế đích tình huống, hữu biên thị phổ...

2021-04-01 17:04:21 925 1

Nguyên sang Numpy( đệ nhị chương )

Array đối tượng đích cơ bổn thao tác 1. Thâu xuất đối tượng đích sizeprint(e.size)#size thâu xuất đích thị đan vị nguyên tố đích cá sổ, tức bất khả tái phân đích nguyên tố 2. Thâu xuất đối tượng mỗi duy đích nguyên tố cá sổ print(e.shape)#shape thâu xuất đích thị mỗi cá duy độ đích cá sổ chú ý khu phân size hòa shape: size thị bất khả phân nguyên tố đích cá sổ, shape vi mỗi duy bao khỏa đích đông tây đích cá sổ, tức shape lí diện đích sổ tương thừa tức vi size3. Thâu xuất sổ tổ đích duy độ print(e.ndim)# thâu xuất duy độ quan vu 2, 3 đích n duy độ: Mỗi cá duy độ tức thất phối đích trung quát hào bao khỏa đích tựu toán 1 duy, lí diện bao đích...

2021-04-01 09:06:21 72

Nguyên sang Numpy( đệ nhất chương )

Nhất: Numpy sổ tổ dữ Python liệt biểu đích khu biệt 1. Sổ tổ đích đại tiểu bất khả dĩ canh cải ( python liệt biểu khả dụng dụng append đẳng thao tác ) 2. Sổ tổ đối tượng nội đích nguyên tố loại hình tất tu tương đồng ( python liệt biểu lí khả dĩ thị đại tạp quái ) nhị: Sơ thủy hóa 1. Lợi dụng dĩ hữu liệt biểu tiến hành sơ thủy hóa ( thí quá nguyên tổ hảo tượng dã khả dĩ, tự điển khả năng bất hành ) a = [random.uniform(100.0,200.0) for i in range(50)]a = np.array(a)2. Lợi dụng range sơ thủy hóa yd = np.array(range(0,50,3)...

2021-04-01 07:43:25 148 1

Nguyên sang Thâu xuất tằng đích kỉ chủng kích hoạt hàm sổ

1. Hằng đẳng hàm sổ: Án chiếu nguyên dạng tiến hành thâu xuất, đối thâu xuất đích tín tức bất gia dĩ nhậm hà đích cải động 2.softmax kích hoạt hàm sổ: Thích dụng vu đa phân loại vấn đề, thâu xuất chúc vu các cá phân loại đích khái suất ( nhân vi thâu xuất tằng softmax toàn bộ tương gia =1, chính thị nhân vi giá cá nguyên nhân, bả softmax giải thích vi khái suất ) 3.sigmoid kích hoạt hàm sổ: Thích dụng vu nhị phân loại, đan cá thâu xuất vi 0 đáo 1 gian đích khái suất, sở dĩ tha khán đích tịnh bất thị thâu xuất đích chỉnh thể. Quan vu 2, 3 đích lý giải: Thâu xuất (0, 1) đại biểu “Thị”, thâu xuất (1, 0) đại biểu “Phủ” Softmax khả năng thâu xuất (0.3, 0.7), đại biểu toán pháp nhận vi “Thị” đích khái suất thị 0.7, “Phủ”...

2021-03-30 17:14:25 5135

Nguyên sang python trung tham sổ đái *

python trung tham sổ đái * hàm sổ truyện tham hòa hàm sổ định nghĩa thời đích *, hàm nghĩa bất đồng. 1. Điều dụng hàm sổ thời sử dụng * dữ ** def test(a,b,c): return a+b+cq = [1,2,3]p = {'a':1,'b':2,'c':3}print(test(**p))print(test(*q))* vi truyện nhập tự liệt, liệt biểu nguyên tổ đô hành, mỗi cá vị trí đối ứng a,b,c bất năng siêu xuất dã bất năng thiếu vu tương đương vu test(1,2,3)** vi truyện nhập tự điển, a, b, c nhất định yếu đối ứng tham sổ đích danh tự nhất dạng tương đương vu test(a=1,...

2021-03-30 15:30:25 126

TA quan chú đích nhân

vectorindex đích bác khách