无穷酱的博客

问题描述：将ResNet18修改为ResNet101时报告以下错误RuntimeError: Function AddmmBackward returned an invalid gradient at index 1 -got [64, 4096] but expected shape compatible with [64,17408]原因：看了网上的帖子，主要有两方面的原因。1.由于反向传播时的device不一致问题。训练过程中，前向传播时我们需要模型、输入位于同一设备上（都在

1.Root mean square error (RMSE):2.Mean absolute error(MAE):3.R-Square ($R^2$):4.Median Absolute Deviation (MAD):##########导入sklearn工具包##########from sklearn import metricsRMSE = np.sqrt(mean_squared_error(y_true, y_predict))MAE=...

1. 安装SHAPpip 安装：pip install shapconda 安装：conda install -c conda-forge shap2.理论与Python实现 -------------后续更新，敬请等待！

1.创建Anaconda虚拟环境conda create -n name python=3.72.进入环境conda activate name3.安装GPU版本的TensorFlowconda install tensorflow-gpu4.安装Kerasconda install keras

目录一、标准化（Z-Score）二、归一化三、正则化一、标准化（Z-Score）公式为：(X-mean)/std 计算时对每个属性/每列分别进行。将数据按期属性（按列进行）减去其均值，并处以其方差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。实现时，有两种不同的方式： 使用sklearn.preprocessing.scale()函数，可以直接将给定数据进行标准化。sklearn.preprocessing.scale 使用sklear.

一、理论知识：要理解 Pearson 相关系数，首先要理解协方差（Covariance）。协方差表示两个变量 X，Y 间相互关系的数字特征，其计算公式为：当 Y = X 时，即与方差相同。当变量 X，Y 的变化趋势一致时，如果某个 Xi 大于 X¯，相应的 Yi 也大于 Y¯；如果某个 Xi小于 X¯，相应的 Yi 也小于¯Y¯，那么 COV(X,Y)COV(X,Y) 就是正值，...

目录1.数据预处理1.1 中心化1.2 标准化1.3 PCA1.4 白噪声2. 权重初始化2.1 全0初始化2.2 随机初始化2.3 稀疏初始化2.4 初始化偏置2.5 批标准化3. 防止过拟合3.1 正则化3.2 Dropout1.数据预处理1.1 中心化每个特征维度都减去相应的均值实现中心化，这样可以使得数据变成0均值，尤其是...

目录1.模拟神经元2.单层神经网络的分类器3.激活函数4.神经网络的结构 为什么要使用激活函数?5.模型的表示能力与容量1.模拟神经元神经网络最开始是受到了模拟脑神经元的启发。 图1 脑神经元与神经网络的相似之处脑中的一个计算单元是一个...

目录补充：超参数和模型参数python实现：KNN(K-Nearest Neighbors) K近邻算法 实现 手写 数据集的 分类问题导入 手写数据集（digits）数据集通过上面的分析，我们可以知道，怎么将现实中的东西以数据的形式表示下面是 KNN 模型的 实例step1：将数据切分为 训练集 和测试集调用 sklearn 中的KNN算法直接调用score，...