c_0934的博客

pytorch知识点小笔记

本文框架：一、自动评估Keras可将数据集的一部分分成评估数据集，并在每个epoch中使用该评估数据集对模型进行评估。在实现上，可以通过将fit()函数的验证分割函数(validation_split)设置为数据集大小的百分比来实现。二、手动评估1.手动分离数据集并评估Keras允许手动指定在训练期间进行验证的数据集。2.K折交叉验证机器学习评估模型的黄金 标准是K折交叉验证，但是太耗资源了。它提供了模型对未知数据性能的可靠估计。主要思路是：K折交叉验证的过程是将数据集分

（1）LSTM共享权值。(2) LSTM中其实只有一个lstm cell,只是在不同时序，让它看起来好像很多个celll。一个epoch训练结束，权值W就会更新。(3)num_units就是这个层的隐藏神经元个数这里分享一个例子（来自知乎答主会一点点NLP）：[hiden_feature*(hiden_feature+feature_dim)+bias] *4=[10*(10+5)+10]*4=160*4 =640...

[None,:] 和 [:,None] 一些理解

复习小芝士

问题：torch不区分行向量与列向量？看完以下两个示例你应该就懂了！示例一：示例二：结论：如果你想在计算机中区分行向量或者列向量的话，必须用矩阵来表示（如上面示例二中的3*1矩阵E），如果只是一个向量的话，从计算机角度就默认理解为一维数组（这个一维数组可以参与内积运算）。...

逻辑值假：空字符串""、0、空列表[]、空元组()、空字典{}

（1）一维： 代码：list_1d=[0.23222,0.331212,0.21398331]print(list_1d)mid_np = np.array(list_1d)print(mid_np)mid_np_2f = np.round(mid_np,2)print(mid_np_2f) 运行结果：（2）二维：代码： 运行结果：补充：python中 list 与数组的互相转换(1)list转array...